Energy poverty: an overlooked determinant of health and climate resilience in Canada
Notice bibliographique
Résumé
OBJECTIVE: Despite Canada being an important energy producer, not all Canadians can access or afford adequate levels of energy services at home to meet their needs, maintain healthy indoor temperatures, and live a decent life-a situation known as energy poverty. Depending on the measure, 6-19% of Canadian households face energy poverty. Health risks associated with energy poverty are documented in countries with milder climates. This study explores, for the first time in the Canadian context, the association between energy poverty and health. METHODS: Cross-sectional data are from the 2018 Canadian Housing Survey. Analyses are conducted on a sample weighted to represent 14 million Canadian households. The associations between expenditure-based and self-reported measures of energy poverty and self-rated general and mental health were assessed using logistic regression models, adjusted for potential confounding variables. RESULTS: The odds of rating one's general (OR: 1.48; 95%CI: 1.29, 1.70) and mental (OR: 1.21; 1.04, 1.41) health as poor are significantly higher for Canadian adults in households with a high share of energy expenditure to income. The likelihood of poor general and mental health was significantly higher for those dissatisfied with the energy efficiency of their dwelling, and with their ability to maintain a comfortable temperature both in the winter and in the summer. CONCLUSION: Exposure to energy poverty is associated with significantly increased likelihood of poor general and mental health. Given the high proportion of Canadian households facing energy poverty, with demonstrated implications for population health, tackling energy poverty is essential for an equitable energy transition and for climate resilience.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».