Discussing linkages between climate change, human mobility and health in the Caribbean: The case of Dominica. A qualitative study
Notice bibliographique
Résumé
The Caribbean region is repeatedly exposed to extreme climate-related events, such as hurricanes and tropical storms, which are expected to increase in severity with climate change. This study aims to better understand how extreme climate events affect human mobility, social circumstances, and health-related issues in the Eastern Caribbean, focusing more specifically on Dominica, a Small Island Developing State (SIDS). Semi-structured qualitative interviews were conducted with people who were internally displaced following an extreme climate event in Dominica, and with people who migrated from Dominica to Guadeloupe. Mental health was a central issue discussed by participants. Some respondents raised issues regarding loss of livelihoods and poverty that affected their living conditions. For those who decided to migrate to Guadeloupe, the difficulties of getting migrant authorized status were very stressful. Other themes related to displacement trajectory, income, occupation, housing, access to food and water, health and psychosocial services, and the role of local and international assistance and social support and ties – that are well known social determinants of mental health, were raised by participants. Mental health and related determinants should be seen as a public health priority in Caribbean SIDS. Psycho-social interventions that focus on potential sources of vulnerabilities to mental health issues should be integrated in climate preparedness and response efforts. Otherwise, pre-existing social vulnerabilities may be aggravated, limiting the adaptation capacities of Caribbean SIDS to climate change. Public health and the health care system have a role to play in climate change adaptation.
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 | 0,039 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 ».