Children and Climate Change Vulnerability Indices: a Scoping Review
Notice bibliographique
Résumé
Abstract Extreme climate is increasingly causing distress. A greater understanding of how these hazards affect children is critical for informing further research and improving climate change adaptation and resilience. Identifying climate change vulnerability indices that assess the impact of extreme climate events on human health present in the scientific literature, only examining those that include children, is the main scope of this research. Literature from Ovid Medline, Embase, Web of Science, Environment Complete, and Greenfile published between database inception and 2022 was used to complete a two-stage process, first focusing on index and climate change inclusion criteria, then based on criteria such as child population and health impacts. Data extraction utilized Covidence. We extracted general information, methodology, study characteristics, findings, and children-specific variables for each paper. Consequently, 14 eligible studies were identified from 2,262 papers: two reported child-focused results regarding an association between climate events and health complications using indices. Most studies focused on children under 5 years old. The most common child-specific variables included in these indices were age, health variables, and immunization status. Heterogeneity in the index methodology was found. Ultimately, gaps in the upper age range of childhood, the utilization of different child-relevant variables, and geographical information were identified. Additional studies are required to expand our knowledge of child vulnerability to allow for more in-depth systematic literature reviews or to create an independent, comprehensive index directly addressing the child population in the context of local impacts of climate change to promote children's 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.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».