MétaCan
Menu
Retour à la cohorte
Enregistrement W4379095321 · doi:10.1111/acel.13890

Geroscience and climate science: Oppositional or complementary?

2023· article· en· W4379095321 sur OpenAlexaff
Colin Farrelly

Notice bibliographique

RevueAging Cell · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental ethicsHumanityPerceptionPublic healthPopulationNarrativeGlobal warmingPolitical scienceDevelopment economicsSociologyBiologyEcologyEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

Two of this century's most significant public health challenges are climate change and healthy aging. The future of humanity will be both warmer and older than it is today. Is it socially responsible, in a warming planet of a population exceeding 8 billion people, for science to aspire to develop gerotherapeutic drugs that aim to reduce the burden of aging-related diseases that may also increase lifespan? This question is the "elephant in the room" for geroscience advocacy. Science communication concerning what constitutes empirically valid and morally defensible ways of navigating the dual public health predicaments of climate change and healthy aging must be sensitive to both the interdependence of the environment (including planetary health) and the mechanisms of aging, as well as the common (mis)perceptions about the potential conflict between the goals of climate science and geroscience. Geroscience advocacy can transcend narratives of intergenerational conflict by highlighting the shared aspirations of climate science and geroscience, such as the goals of promoting health across the lifespan, redressing health disparities, and improving the economic prospects of current and future generations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,055
Communication savante0,0150,022
Science ouverte0,0020,017
Intégrité de la recherche0,0090,018
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,352
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAging CellMême sujetClimate Change and Health ImpactsTravaux en français237 207