MétaCan
Menu
Retour à la cohorte
Enregistrement W4388705970 · doi:10.1016/j.lanwpc.2023.100965

China’s public health initiatives for climate change adaptation

2023· article· en· W4388705970 sur OpenAlexaff
John S. Ji, Yanjie Xia, Linxin Liu, Weiju Zhou, Renjie Chen, Guang‐Hui Dong, Qinghua Hu, Jingkun Jiang, Haidong Kan, Tiantian Li, Yi Li, Qiyong Liu, Yanxiang Liu, Ying Long, Yuebin Lv, Jian Ma, Yue Ma, Pelin Kınay, Xiaoming Shi, Shilu Tong, Yang Xie, Lei Xu, Changzheng Yuan, Huatang Zeng, Bin Zhao, Guangjie Zheng, Wannian Liang, Margaret Chan, Cunrui Huang

Notice bibliographique

RevueThe Lancet Regional Health - Western Pacific · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesYale School of Public Health, Yale UniversityNatural Science Foundation of Beijing MunicipalityTsinghua UniversityNational Natural Science Foundation of China
Mots-clésClimate changeUrbanizationChinaAdaptation (eye)Extreme weatherPublic healthEnvironmental planningWarning systemEnvironmental resource managementGeographyGlobal warmingSafeguardBusinessNatural resource economicsPolitical scienceEconomic growthEconomicsEcologyMedicineEngineeringInternational trade

Résumé

récupéré en direct d'OpenAlex

China's health gains over the past decades face potential reversals if climate change adaptation is not prioritized. China's temperature rise surpasses the global average due to urban heat islands and ecological changes, and demands urgent actions to safeguard public health. Effective adaptation need to consider China's urbanization trends, underlying non-communicable diseases, an aging population, and future pandemic threats. Climate change adaptation initiatives and strategies include urban green space, healthy indoor environments, spatial planning for cities, advance location-specific early warning systems for extreme weather events, and a holistic approach for linking carbon neutrality to health co-benefits. Innovation and technology uptake is a crucial opportunity. China's successful climate adaptation can foster international collaboration regionally and beyond.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,426
Tête enseignante GPT0,414
Écart entre enseignants0,012 · 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

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - Western PacificMême sujetClimate Change and Health ImpactsTravaux en français237 207