The Intersection of the COVID-19 Pandemic and the 2021 Heat Dome in Canadian Digital News Media: A Content Analysis
Notice bibliographique
Résumé
During the 2021 Heat Dome, 619 people in British Columbia died due to the heat. This public health disaster was made worse by the ongoing COVID-19 pandemic. Few studies have explored the intersection of heat with COVID-19, and none in Canada. Considering that climate change is expected to increase the frequency of extreme heat events, it is important to improve our understanding of intersecting public health crises. Thus, this study aimed to explore media-based public health communication in Canada during the COVID-19 pandemic and the 2021 Heat Dome. A qualitative content analysis was conducted on a subset of media articles (n = 520) related to the COVID-19 pandemic which were identified through a previous media analysis on the 2021 Heat Dome (n = 2909). Many of the articles provided conflicting health messages that may have confused the public about which health protective actions to take. The articles also showed how the COVID-19 pandemic may have exacerbated the health impacts of the 2021 Heat Dome, as pandemic-related public health measures may have deterred people away from protecting themselves from heat. This study, which provides novel insight into the prioritization of public health messaging when an extreme heat event occurs concurrently with a pandemic, supports the need for consistent heat health guidance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,016 | 0,023 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».