Influence of weather and climate on disease in the Australian Imperial Force during the First World War
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The death rate in the Australian Imperial Force (AIF) during the First World War (WW1) was 18.5%, higher than rates for the UK and Canada. Around 9% of reported AIF deaths resulted from diseases and were predominantly climate sensitive. AIF hospital admissions for non-battle conditions exceeded the total number of AIF enlistments. To our knowledge, the climatic influences on these high morbidity and mortality rates have not previously been quantified. Analysing these influences provides a case study that highlights the importance in accounting for climate in determining the future health, capacity and ultimate efficacy of armed forces, particularly in a time of increasing climatic extremes. To analyse the climate-health outcomes relationship, we re-examined data available in Australia’s WW1 official war histories (OWH) by C. E. W. Bean and A. G. Butler, the Australian War Memorial Roll of Honour (ROH) and the National Archives WW1 personnel files (NAA). We then reviewed meteorological data and identified that the European 1917 winter was the coldest winter for 26 yr. We have calculated the AIF UK official morbidity figure of 77743 could be under-reported by up to 2.7-fold. European winter disease deaths exceeded summer disease deaths by a factor of 3. Over 61% of AIF disease deaths in Europe occurred during the extreme 1917 winter and the Spanish flu outbreak during the 1919 winter, whereby 69% were respiratory infections. Climate-related diseases also severely affected the AIF at Gallipoli (Turkey) and the Light Horse regiments in the Jordan Valley between September and December 1918.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle