Climate change impacts on the health of South Asian children and women subpopulations - A scoping review
Notice bibliographique
Résumé
Background and objectives: Climate change impacts are felt unequally worldwide; populations that experience geographical vulnerability, those living in small island states and densely populated coastal areas, and children and women are affected disproportionately. This scoping review aims to synthesize evidence from relevant studies centred on South Asia, identify research gaps specifically focused on children and women's health, and contribute to knowledge about South Asia's existing mitigation and adaptation strategies. Methods: A research librarian executed the search on six databases using controlled vocabulary (e.g., MeSH, Emtree, etc.) and keywords representing the concepts "vulnerable populations" and "climate change" and "health impacts" and "South Asia." Databases were searched from January 2010 to May 2020. Papers were screened independently by two researchers. Results: Forty-two studies were included, of which 23 were based in India, 14 in Bangladesh, and five in other South Asian countries. Nineteen studies focused on meteorological factors as the primary exposure. In contrast, thirteen focused on extreme weather events, nine on air pollution, and one on salinity in coastal areas. Thirty-four studies focused on the health impacts on children related to extreme weather events, meteorological factors, and air pollution, while only eight studies looked at health impacts on women. Undernutrition, ARI (acute respiratory infection), diarrheal diseases, low birth weight, and premature mortality were the major health impacts attributed to extreme weather events, meteorological factors, and air pollution exposure in children and women in the region. Conclusion: Extreme weather events, meteorological factors and air pollution have affected the health of children and women in South Asia. However, the gap in the literature across the South Asian countries concerning relationships between exposure to extreme weather events, meteorological factors, air pollution and health effects, including mental health problems in children and women, are opportunities for future work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».