Climate change and its implications for developing brains – In utero to youth: A scoping review
Notice bibliographique
Résumé
The brain health and development implications of climate change are situated within a large and rapidly increasing body of evidence that addresses the physical and mental health impacts and implications of extreme and worsening environments. The costs to individuals and societies of negatively impacted brain development are profound – be it in the form of diagnosable developmental disability, reduced cognitive capacity, or areas of behavioral functioning. We have sought to describe the key risk domains that climate change presents with respect to healthy brain development, from the prenatal through to youth stages. Scoping review methods and an a priori search strategy were used to address the question: What are the major considerations of the peer-reviewed literature that address climate change as it relates to brain development and health from early development through to youth populations? Themes from the identified papers were charted, and findings were summarized through a consensus process. A total of 40 papers were identified in the search, spanning 2008-2022. Based on the thematic analysis, results are organized into the following nine themes: 1) heat extremes, 2) weather extremes and stress, 3) air pollution, 4) vector and waterborne illnesses, 5) malnutrition, 6) equity, 7) economic implications, 8) methods issues, and 9) responses. There is a clear consensus amongst the papers in this review suggesting that changing climate patterns and weather extremes have substantial and wide-ranging effects on developing brains. A range of responses are proposed with emphasis upon early intervention and better data.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».