MétaCan
Menu
Retour à la cohorte
Enregistrement W4284704613 · doi:10.21149/12799

The environment and kidney health: challenges and opportunities

2022· review· en· W4284704613 sur OpenAlexaff
Joyita Bharati, Carol Zavaleta-Cortijo, Tiana Bressan, Aakash Shingada, Gregorio T. Obrador, Laura Solá, David Peiris, J. Jaime Miranda, Vivekanand Jha

Notice bibliographique

RevueSalud Pública de México · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesWellcome Trust
Mots-clésClimate changePsychological interventionVariety (cybernetics)Modernization theoryAdaptation (eye)IndustrialisationEnvironmental planningBusinessWater scarcityEnvironmental resource managementEnvironmental healthMedicinePolitical scienceEconomic growthGeographyPsychologyComputer scienceEnvironmental scienceAgricultureEconomicsEcologyBiologyNursing

Résumé

récupéré en direct d'OpenAlex

The accelerating environmental degradation as a result of modernisation and climate change is an urgent threat to human health. Environment change can impact kidney health in a variety of ways such as water scarcity, global heating and changing biodiversity. Ever increasing industrialization of health care has a large carbon footprint, with dialysis being a major contributor. There have been calls for all stakeholders to adopt a 'one health approach' and develop mitigation and adaptation strategies to combat this challenge. Because of its exquisite sensitivity to various elements of environment change, kidney health can be a risk marker and a therapeutic target for such interventions. In this narrative review, we discuss the various mechanisms through which environmental change is linked to kidney health and the ways that the global kidney health communities can respond to environmental 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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,291
Tête enseignante GPT0,361
Écart entre enseignants0,070 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSalud Pública de MéxicoMême sujetClimate Change and Health ImpactsTravaux en français237 207