MétaCan
Menu
Retour à la cohorte
Enregistrement W4386882990 · doi:10.1126/sciadv.adh4615

Social vulnerability of the people exposed to wildfires in U.S. West Coast states

2023· article· en· W4386882990 sur OpenAlexaff
Arash Modaresi Rad, John T. Abatzoglou, Erica Fleishman, Miranda H. Mockrin, Volker C. Radeloff, Yavar Pourmohamad, Megan E. Cattau, J. Michael Johnson, Philip E. Higuera, Nicholas J. Nauslar, Mojtaba Sadegh

Notice bibliographique

RevueScience Advances · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesMichigan Technological University
Mots-clésVulnerability (computing)GeographySocial vulnerabilityEnvironmental healthSocioeconomicsEnvironmental protectionMedicineComputer security

Résumé

récupéré en direct d'OpenAlex

Understanding of the vulnerability of populations exposed to wildfires is limited. We used an index from the U.S. Centers for Disease Control and Prevention to assess the social vulnerability of populations exposed to wildfire from 2000-2021 in California, Oregon, and Washington, which accounted for 90% of exposures in the western United States. The number of people exposed to fire from 2000-2010 to 2011-2021 increased substantially, with the largest increase, nearly 250%, for people with high social vulnerability. In Oregon and Washington, a higher percentage of exposed people were highly vulnerable (>40%) than in California (~8%). Increased social vulnerability of populations in burned areas was the primary contributor to increased exposure of the highly vulnerable in California, whereas encroachment of wildfires on vulnerable populations was the primary contributor in Oregon and Washington. Our results emphasize the importance of integrating the vulnerability of at-risk populations in wildfire mitigation and adaptation plans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,270
Écart entre enseignants0,261 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations42
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetFire effects on ecosystemsTravaux en français237 207