Pan American climate resilient health systems: a training course for health professionals
Notice bibliographique
Résumé
Objectives: To describe the development, implementation, and results of a training course designed to equip health professionals from the Pan American Health Organization region with the knowledge and tools needed to adapt health systems to current climate realities. Methods: course was a 9-week live-virtual course in March-April 2023, which was delivered through Zoom and offered in English, Spanish, and French. All lectures were delivered by local and regional climate and health experts. The curricular foundation of this initiative was the Global Consortium on Climate and Health Education core competencies for health professionals. Participants completed pre- and post-course surveys. Results: A total of 1212 participants attended at least one of the nine sessions and 489 (from 66 countries) attended at least six sessions. Of these, 291 participants completed both the pre- and post-course surveys which were used in the analysis. Longitudinal survey results suggested an improvement in participants' climate and health communication, an increased frequency of incorporating climate knowledge in professional practice, and improved confidence in engaging in climate initiatives. At the same time, many participants expressed a need for additional training. Conclusions: The results indicate that live-virtual courses have the potential to empower health professionals to contribute to climate resilience efforts by: increasing their communication skills; changing their professional practice; increasing their ability to lead climate and health activities; and preparing them to assess vulnerability and adaptation in health systems, measure and monitor environmental sustainability, and apply a health equity lens.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».