MétaCan
Menu
Retour à la cohorte
Enregistrement W4289174185 · doi:10.1080/23328940.2022.2037376

Indicators to assess physiological heat strain – Part 1: Systematic review

2022· review· en· W4289174185 sur OpenAlexaff
Leonidas G. Ioannou, Konstantinos Mantzios, Lydia Tsoutsoubi, Sean R. Notley, Petros C. Dinas, Matt Brearley, Yoram Epstein, George Havenith, Michael N. Sawka, Peter Bröde, Igor B. Mekjavić, Glen P. Kenny, Thomas E. Bernard, Lars Nybo, Andreas D. Flouris

Notice bibliographique

RevueTemperature · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesHorizon 2020European Commission
Mots-clésScopusComputer scienceWeb of scienceData scienceOperations researchMEDLINEDatabaseEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

In a series of three companion papers published in this Journal, we identify and validate the available thermal stress indicators (TSIs). In this first paper of the series, we conducted a systematic review (registration: INPLASY202090088) to identify all TSIs and provide reliable information regarding their use (funded by EU Horizon 2020; HEAT-SHIELD). Eight databases (PubMed, Agricultural and Environmental Science Collection, Web of Science, Scopus, Embase, Russian Science Citation Index, MEDLINE, and Google Scholar) were searched from database inception to 15 April 2020. No restrictions on language or study design were applied. Of the 879 publications identified, 232 records were considered for further analysis. This search identified 340 instruments and indicators developed between 200 BC and 2019 AD. Of these, 153 are nomograms, instruments, and/or require detailed non-meteorological information, while 187 can be mathematically calculated utilizing only meteorological data. Of these meteorology-based TSIs, 127 were developed for people who are physically active, and 61 of those are eligible for use in occupational settings. Information regarding the equation, operating range, interpretation categories, required input data, as well as a free software to calculate all 187 meteorology-based TSIs is provided. The information presented in this systematic review should be adopted by those interested in performing on-site monitoring and/or big data analytics for climate services to ensure appropriate use of the meteorology-based TSIs. Studies two and three in this series of companion papers present guidance on the application and validation of these TSIs, to guide end users of these indicators for more effective use.

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)0,019
score de la tête « metaresearch » (Gemma)0,103
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,103
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0240,022
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,199
Tête enseignante GPT0,401
Écart entre enseignants0,203 · 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'étudeRevue systématique
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

Citations59
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTemperatureMême sujetClimate Change and Health ImpactsTravaux en français237 207