Self-Reported Health Impacts and Coping Strategies to Drought in Saskatchewan First Nations Communities
Notice bibliographique
Résumé
As the planet continues to warm, precipitation amounts and timing are changing. Predicted increases in frequency and severity of drought in some regions will increase the frequency of dust storms and wildfires, contributing to increased exposure to poor air quality. Poor air quality causes health impacts including respiratory diseases, cardiovascular diseases, stress and mental health outcomes, worsening of pre-existing health conditions, and death. However, relatively few studies exploring future drought-related impacts on health have been conducted in the Canadian context. This study examined self-reported health impacts and coping strategies of members in two First Nation communities in Saskatchewan during poor air quality events. Studying marginalized communities, such as First Nation communities, is essential because these communities face specific exposures due to their ties to the land and are likely to experience significant structural barriers and limits to their adaptation given the impacts of colonization. It is important to work with First Nations communities to understand place-based impacts and culturally appropriate adaptation strategies to effectively inform policy and practice. Elders and Knowledge Holders, Key Informants, and general community members were interviewed to better understand how individuals in First Nation communities in Saskatchewan have experienced and been impacted by drought-induced poor air quality. Common themes emerging include concern for health and wellbeing of youth and Elders in the community, concerns around community preparedness during adverse air quality events, and feelings of community cohesion amongst members for support during these events. Ultimately, the intent of this project is to prioritize Indigenous-specific impacts and actions during poor air quality events in order to enhance evidence-informed policies, education, and awareness.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».