MétaCan
Menu
Retour à la cohorte
Enregistrement W4205971041 · doi:10.3390/ijerph19020893

Climate Change and Zoonoses: A Review of Concepts, Definitions, and Bibliometrics

2022· review· en· W4205971041 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueViral Infections and Vectors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZoonosisClimate changeScopusHuman healthGeographyBibliometricsPublic healthOne HealthEnvironmental healthEnvironmental resource managementSocioeconomicsEnvironmental planningEcologyMEDLINEPolitical scienceLibrary scienceBiologyVeterinary medicineMedicineSociologyComputer scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Climate change can have a complex impact that also influences human and animal health. For example, climate change alters the conditions for pathogens and vectors of zoonotic diseases. Signs of this are the increasing spread of the West Nile and Usutu viruses and the establishment of new vector species, such as specific mosquito and tick species, in Europe and other parts of the world. With these changes come new challenges for maintaining human and animal health. This paper reports on an analysis of the literature focused on a bibliometric analysis of the Scopus database and VOSviewer software for creating visualization maps which identifies the zoonotic health risks for humans and animals caused by climate change. The sources retained for the analysis totaled 428 and different thresholds (N) were established for each item varying from N 5 to 10. The main findings are as follows: First, published documents increased in 2009-2015 peaking in 2020. Second, the primary sources have changed since 2018, partly attributable to the increase in human health concerns due to human-to-human transmission. Third, the USA, the UK, Canada, Australia, Italy, and Germany perform most zoonosis research. For instance, sixty documents and only 17 countries analyzed for co-authorship analysis met the threshold led by the USA; the top four author keywords were "climate change", "zoonosis", "epidemiology", and "one health;" the USA, the UK, Germany, and Spain led the link strength (inter-collaboration); the author keywords showed that 37 out of the 1023 keywords met the threshold, and the authors' keyword's largest node of the bibliometric map contains the following: infectious diseases, emerging diseases, disease ecology, one health, surveillance, transmission, and wildlife. Finally, zoonotic diseases, which were documented in the literature in the past, have evolved, especially during the years 2010-2015, as evidenced by the sharp augmentation of publications addressing ad-hoc events and peaking in 2020 with the COVID-19 outbreak.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,524
Tête enseignante GPT0,530
Écart entre enseignants0,006 · 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