Impact of climate change on maternal health outcomes: An evidence gap map review
Notice bibliographique
Résumé
Climate change poses unique challenges to maternal well-being and increases complications during pregnancy and childbirth globally. This evidence gap map (EGM) aims to identify gaps in existing knowledge and areas where further research related to climate change and its impact on maternal health is required. The following databases were searched individually from inception to present: Medline, EMBASE, and Global Health via OVID; Cumulative Index to Nursing and Allied Health Literature (CINAHL) via EBSCOhost; Scopus; and organizational websites. In this EGM, we integrated 133 studies published in English, including qualitative, quantitative, reviews and grey literature that examined the impact of climate change on maternal health (women aged 15-45). We used Covidence to screen studies and Evidence for Policy and Practice Information (Eppi reviewer)/Eppi Mapper software to generate the EGM. Data extraction and qualitative appraisal of the studies was done using critical appraisal tools. The study protocol was registered in International Platform of Registered Systematic Review and Meta-analysis Protocols (INPLASY) # INPLASY202370085. Out of 133 included studies, forty seven studies were of high quality, seventy nine moderate equality and seven low quality. This EGM found notable gaps in the literature regarding the distribution of research across regions. We found significant research in North America (51) and Asia (40 studies). However, Africa and the Caribbean had fewer studies, highlighting potential disparities in research attention and resources. Moreover, while the impact of extreme heat emerged as a prominent factor impacting maternal well-being, there is a need for further investigation into other climate-related factors such as drought. Additionally, while preterm stillbirth and maternal mortality have gained attention, there is an overlook of malnutrition and food insecurity indicators that require attention in future research. The EGM identifies existing research gaps in climate change and maternal health. It emphasizes the need for global collaboration and targeted interventions to address disparities and inform climate-responsive policies.
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 | 0,023 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,020 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».