The 2022 China report of the Lancet Countdown on health and climate change: leveraging climate actions for healthy ageing
Notice bibliographique
Résumé
A health-friendly, climate resilient, and carbon-neutral pathway would deliver major benefits to people's health and wellbeing in China, especially for older populations, while simultaneously promoting high-quality development in the long run. \n \nThis report is the third China Lancet Countdown report, led by the Lancet Countdown Regional Centre based in Tsinghua University. With the contributions of 73 experts from 23 leading institutions, both within China and globally, this report tracks progress through 27 indicators in the following five domains: (1) climate change impacts, exposure, and vulnerability; (2) adaptation, planning, and resilience for health; (3) mitigation actions and health co-benefits; (4) economics and finance; and (5) public and political engagement. From 2021 to 2022, two new indicators have been added, and methods have been improved for many indicators. Specifically, one of the new indicators measures how heat affects the hours that are safe for outdoor exercise, an indicator of particular relevance given the boom in national sports triggered by the summer and winter Olympics. Findings in this report, which coincide with the UN Framework Convention on Climate Change 27th Conference of the Parties (COP27) hosted in Egypt (where much attention is being focused on adaptation for clinically vulnerable populations), expose the urgency for accelerated adaptation and mitigation efforts to minimise the health impacts of the increasing climate change hazards in China.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,007 |
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 ».