The psychosocial impacts of slow onset climate change events among youth in LMICs: A rapid evidence review
Notice bibliographique
Résumé
Introduction: Recent research has sought to understand the complex experiences of climate change distress, which are highly prevalent among youth and in low- and middle-income countries (LMICs). However, most studies have focused on acute climate disasters and clinically diagnosable psychological responses, leaving a gap in understanding about how gradual climate change events impact broader psychosocial health. Methods: This review examined how slow-onset events relate to psychosocial distress among youth in climate-vulnerable LMICs using the PRISMA Rapid Review methodology. Four databases were searched, namely Scopus, Web of Science, MEDLINE, and Cochrane. Results: The initial search yielded 853 results, of which 14 articles met the inclusion criteria for data extraction and analysis, which employed a framework synthesis approach. Studies identified direct impacts of slow onset events (e.g., changing precipitation patterns), as well as indirect impacts on communities (e.g., housing instability) and resources (e.g., loss of livestock). These disruptions are often compounded by pre-existing vulnerabilities such as public debt and inadequate basic services. Faced by these challenges, youth employed many coping strategies such as religion and meaning-focused coping, to help minimize psychosocial distress. Psychosocial responses varied from feelings of worry and numbness to severe outcomes like suicidal ideation. Conclusion: This review reveals the diversified experiences of climate change, which are closely tied to social and community contexts. A robust research agenda on the psychosocial effects of slow-onset environmental changes is vital to better understand and mitigate its long-term mental health impact on youth.
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 | 0,010 | 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 ».