MétaCan
Menu
Retour à la cohorte
Enregistrement W4406399027 · doi:10.12688/wellcomeopenres.23431.1

The PAICE project: Integrating health and health equity into UK climate change policy

2025· preprint· en· W4406399027 sur OpenAlexaff
Michael Davies, Charles Dearman, Rosemary Green, Andy Haines, Clare Heaviside, Filiz Karakas, Sudheer Kumar Kuppili, Susan Michie, James Milner, Gemma Moore, David Osrin, Silvia Pastorino, Giorgos Petrou, Irene Pluchinotta, Charles Simpson, P. Symonds, Catalina Turcu, Sarah Whitmee, Ke Zhou, Nici Zimmermann

Notice bibliographique

RevueWellcome Open Research · 2025
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesWellcome Trust
Mots-clésEquity (law)Climate changeHealth policyHealth equityGreenhouse gasGovernment (linguistics)Action planEnvironmental planningEnvironmental resource managementWork (physics)Political scienceBusinessPublic economicsPublic administrationEconomic growthGeographyEconomicsEngineeringHealth careManagement

Résumé

récupéré en direct d'OpenAlex

(PAICE), which aims to investigate the complex systemic connections between climate change action, health and health equity, for translation of evidence into policy and practice in the UK. Using transdisciplinary approaches, PAICE will: (1) co-develop a programme theory and linked monitoring and evaluation plan, (2) work with the UK Climate Change Committee (CCC) and the Greater London Authority (GLA) using system dynamics to analyse national and local policy opportunities, (3) build an integrated model of the effects of these policies on population health, health equity and greenhouse gas emissions, (4) apply the findings to the CCC monitoring framework and GLA policy development, and (5) use the programme theory to help evaluate achievement of PAICE processes and objectives. If successful, PAICE will have helped to establish a systems capability to (i) monitor whether Government plans are on track to deliver their climate targets and associated health impacts and (ii) understand how relevant policy and implementation approaches could be enhanced.

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)0,024
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0030,040
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,568
Tête enseignante GPT0,584
Écart entre enseignants0,016 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWellcome Open ResearchMême sujetClimate Change and Health ImpactsTravaux en français237 207