Flooding, Sociospatial Risk, and Population Health
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Climate change and population settlement patterns are altering the severity and spatial dimensions of flooding. Despite associational evidence linking flood exposure to population health in the United States, few studies have used counterfactual strategies to address confounding or examined how sociospatial determinations of risk, such as floodplain delineation, affect well-being. Using the case of Hurricane Harvey, I leverage novel, repeated cross-sectional health survey data from Houston immediately predisaster (N = 2,540) and six to nine months postdisaster (N = 2,798), linked to local flood inundation and floodplain data. Difference-in-differences models show that the probability of psychological distress and fair/poor health increased significantly in the flooded treatment group, with mixed evidence on unhealthy mental health days and no change in unhealthy physical health days. Triple-difference estimators further reveal buffered mental health adversity for those in flooded areas with high floodplain areal coverage relative to little or no floodplains. Descriptive analyses of mechanisms suggest that floodplain coverage did not differentiate individual-level disaster exposure but increased the likelihood of disaster preparedness and evacuation. This article offers insights into the climate-health nexus empirically by using a causal framework to improve credibility and conceptually by demonstrating how an underexamined dimension of vulnerability-sociospatial risk determinations-can stratify population health.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle