Climate Care India: A protocol for digital transformation of health systems for non-communicable disease management and climate change adaptation
Notice bibliographique
Résumé
Abstract Background and objective Non-communicable diseases (NCDs) account for 74% of global deaths, disproportionately affecting low-resource settings in the global south. The increasing frequency and severity of climate change-related events worsen the NCD burden – particularly in low-resource settings – thereby necessitating health system transformation. This longitudinal trial aims to transform the current response to climate change and NCDs among affected communities via a customized digital health platform. Methodology Building on the intergenerational Youth Adolescents’ behaViour, musculoskeletAl heAlth, Growth & Nutrition (YUVAAN) prospective cohort study – which has enrolled 1070 rural households as of November 2024 in Western India – a digital platform will be tailored to monitor and address evolving climate change and NCD-related risks. The three-phase methodology includes: 1) adaptation: co-developing the platform with a Citizen Scientist Advisory Council for local use, integrating culturally relevant features and languages; 2) implementation: pilot testing the platform and step-wedge deployment within the YUVAAN cohort; 3) evaluation: conducting mixed-method analyses of the platform, climate change, and health outcome associations. A sample size of 978 families was calculated to detect an effect size of 0.3 (90% power, 0.05 α, 15% attrition). Discussion Through access to real-time data, the digital platform will provide rural households with personalized support for NCD prevention and management, while enabling climate change preparedness and adaptation strategies in participating communities. Conclusion Integrating digital platforms into local decision-making will strengthen health systems’ capacity to manage NCDs in rural and low-resource settings impacted by climate change. These platforms can enable real-time data access for personalized care and evidence-based decision-making.
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 | 0,049 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,160 | 0,043 |
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 ».