MétaCan
Menu
Retour à la cohorte
Enregistrement W4407230067 · doi:10.35898/ghmj-811205

Climate Change: The Urgent Need for Global Health Strategies to Counter Adverse Impacts on Human Health

2025· article· en· W4407230067 sur OpenAlexaff
Andrew Macnab

Notice bibliographique

RevueGHMJ (Global Health Management Journal) · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésClimate changeHuman healthGlobal healthEnvironmental planningEnvironmental resource managementEnvironmental healthNatural resource economicsGeographyMedicineEnvironmental scienceEconomic growthHealth careEconomicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The environmental consequences of climate change have become a global health emergency. Reports and reviews continue to document multiple health impacts from increasing temperatures, rising sea levels and more frequent extreme weather events like severe drought, flooding and wildfires. The consequences of global warming on human health include heat-related morbidity and mortality, an increase in vector borne and infectious diseases, greater severity of respiratory diseases, adverse nutritional effects from food insecurity, higher rates of injury and multiple effects from financial, educational, social and psychological stressors. The extent to which climate change is impacting human health and lives is such that action by the public health community is urgently required to provide public education and define effective intervention, prevention and treatment strategies. Only in this way can the initiatives and policies be generated that are required to inform and engage everyone in society, and make people aware that action is needed to counter the dangers to health posed by climate change. Published: 05 February 2025.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0080,007
Science ouverte0,0010,004
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0450,012

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 Opus0,084
Tête enseignante GPT0,439
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGHMJ (Global Health Management Journal)Même sujetClimate Change and Health ImpactsTravaux en français237 207