Rapid review of the impacts of climate change on the health system workforce and implications for action
Notice bibliographique
Résumé
Introduction: The cascading impacts of climate change have significant implications for public health and healthcare delivery globally. This review explores how climate change impacts the health system workforce (both public health and healthcare service delivery), and what adaptation strategies are being deployed to mitigate against extreme climate events. Methods: The review draws from English language peer-reviewed articles published between 2003 and 2023, that forefront experiences and adaptations to climate change events as they relate to the health system workforce. Out of 1662 articles, upon completing title and abstract review, two reviewers completed full-text review of 130 articles, removing 92 for not meeting inclusion criteria, resulting in 38 articles. Articles were analyzed in relation to the World Health Organization Climate Resilient Health Systems Framework. Results: Emergent themes highlight occupational health impacts such as physical hazards, burn out and psychosocial impacts. Adaptive strategies to address these impacts include bolstering transformative leadership praxis, psychosocial support provision, emergency preparedness and planning, and scaling up climate-related emergency preparedness through the development of climate change core competencies and multi-sectoral collaboration strategies. Conclusions: Our review illustrates the limitations and opportunities of current adaptive strategies being utilized to support the healthcare workforce around the world, highlights the need for immediate emissions reductions that will reduce future hazards, and provides recommendations for how these findings can be applied to better prepare the health workforce for a range of climate futures.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».