MétaCan
Menu
Retour à la cohorte
Enregistrement W4200100455 · doi:10.25071/2291-5796.114

Intersection of Climate Change and Health: An Explication of the Future of Nursing 2020-2030: Charting a Path to Achieve Health Equity

2021· article· en· W4200100455 sur OpenAlexvenueno aff
Patrice K. Nicholas, Clara M. Gona, Linda Evans, Eleonor Pusey Reid

Notice bibliographique

RevueWitness The Canadian Journal of Critical Nursing Discourse · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth equitySocial determinants of healthPublic healthPopulation healthEquity (law)Political scienceHealth policyMedicineNursingLaw

Résumé

récupéré en direct d'OpenAlex

The US National Academy of Medicine released its consensus study for the next decade entitled The Future of Nursing 2020-2030: Charting a Path To Achieve Health Equity (National Academies of Sciences, Engineering, and Medicine, 2021). This paper examines the report, its implications for nursing globally, its focus on systemic, structural, and institutional racism, and the intersection with climate change and deleterious health consequences. The National Academies of Science, Engineering, and Medicine (NASEM) has led in addressing the critical role of the nursing profession in achieving optimal population health outcomes in the US. Yet, relevance exists for nursing in other global areas. The most recent US report focuses on social determinants of health (SDoH) and explicitly addresses climate change as a looming public health threat. An analysis of the key foci of nursing’s role in climate change amidst the critical role of health equity globally is explicated.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,115
Tête enseignante GPT0,427
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWitness The Canadian Journal of Critical Nursing DiscourseMême sujetClimate Change and Health ImpactsTravaux en français237 207