MétaCan
Menu
Retour à la cohorte
Enregistrement W4238465317 · doi:10.3410/f.735730661.793578522

Faculty Opinions recommendation of Factors influencing the mental health consequences of climate change in canada.

2020· dataset· en· W4238465317 sur OpenAlexaffabout
David Olson

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2020
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant responses to elevated CO2
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMental healthClimate changePsychologyApplied psychologyEnvironmental healthMedical educationMedicinePsychiatryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Climate change is increasing risks to the mental health of Canadians.Impacts from a changing climate may outstrip the ability of Canadians and their health-sustaining institutions to adapt effectively and could increase poor mental health outcomes, particularly amongst those most marginalized in society.A scoping review of literature published during 2000-2017 explored risks, impacts, and vulnerabilities related to climate change and mental health.In this commentary, the authors present a new assessment of evidence from this scoping review and highlight factors that influence the capacity to adapt to the mental health consequences of a changing climate.Findings from this assessment reveal eleven key factors that influence the capacity to adapt: social capital; sense of community; government assistance; access to resources; community preparedness; intersectoral/transdisciplinary collaboration; vulnerability and adaptation assessments; communication and outreach; mental health literacy; and culturally relevant resources.Attention to these factors by Canadian decision makers can support proactive and effective management of the mental health consequences of climate change.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,384

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,040
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0070,018
Études des sciences et des technologies0,0040,001
Communication savante0,0040,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1150,024

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 Opus0,046
Tête enseignante GPT0,320
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical LiteratureMême sujetPlant responses to elevated CO2Travaux en français237 207