MétaCan
Menu
Retour à la cohorte
Enregistrement W4402501891 · doi:10.1080/14693062.2024.2395920

Bolstering community resilience through health-focused climate change adaptation: moving from talk to action in Western Canadian communities

2024· article· en· W4402501891 sur OpenAlexaffabout
Desiree Rose, S. Jeff Birchall

Notice bibliographique

RevueClimate Policy · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésClimate changeResilience (materials science)Community resilienceClimate change adaptationAction (physics)Psychological resilienceAdaptation (eye)Environmental resource managementPolitical scienceCollective actionEnvironmental planningBusinessGeographyPsychologyEconomicsSocial psychologyPoliticsEcology

Résumé

récupéré en direct d'OpenAlex

The impacts of climate change have been recognized as a global health emergency. Worsening climate stressors are resulting in injury, illness and death. As this threat to health grows, so does the need to adapt. Climate change adaptation has been noted to reduce the risk of disease transmission, chronic illness exacerbation, physical trauma, and the mental health impacts associated with climate change. Cities across Western Canada have initiated the process of implementing health-focused climate change adaptation; however, progress has been slow, leaving communities vulnerable to health threats. Exploring five case study communities in Western Canada, this research sheds light on factors that enable and constrain progress on health-focused climate change adaptation. Research objectives are addressed through analysis of 16 key actor interviews (with experts in public health, planning, local governance, and other related fields), and a scan of relevant strategic planning documents. Results indicate that political will, expertise, and awareness has resulted in the development of health-focused climate change adaptation policy/ plans. However, implementation of these plans lags in practice. This lag stems from a lack of implementation detail in climate change adaptation plans, limited understanding of the impact of climate change on health, and jurisdictional confusion.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,245
Tête enseignante GPT0,400
Écart entre enseignants0,155 · 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.

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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate PolicyMême sujetClimate Change and Health ImpactsTravaux en français237 207