Addressing Climate Resilience in the African Region: Prioritizing Mental Health and Psychosocial Well-Being in Disaster Preparedness and Response Planning for Mainstream Communities and Migrants
Notice bibliographique
Résumé
Climate change represents a complex and multifaceted challenge for health systems, particularly in the African region, where the research has predominantly focused on physical health impacts while overlooking critical mental health dimensions. Our central hypothesis is that integrating culturally adapted mental health and psychosocial support (MHPSS) into climate resilience frameworks and disaster response planning will significantly reduce psychological distress (e.g., anxiety, depression, and trauma) and enhance adaptive capacities among both mainstream and migrant communities in disaster-prone African regions. This rapid review methodology systematically explores the intricate relationships between climate change, mental health, and migration by examining the existing literature and identifying significant information gaps. The key findings underscore the urgent need for targeted research and strategic interventions that specifically address mental health vulnerabilities in the context of climate change. This review highlights how extreme weather events, environmental disruptions, and forced migration create profound psychological stressors that extend beyond immediate physical health concerns. This research emphasizes the importance of developing comprehensive adaptation strategies integrating mental health considerations into broader climate response frameworks. Recommendations emerging from this assessment call for immediate and focused attention on developing specialized research, policies, and interventions that recognize the unique mental health challenges posed by climate change in African contexts. We also note the current limitations in the existing national adaptation plans, which frequently overlook mental health dimensions, thereby underscoring the necessity of a more holistic and nuanced approach to understanding climate change’s psychological impacts. In this exploratory study, we intended to provide a crucial preliminary assessment of the complex intersections between climate change, mental health, and migration, offering valuable insights for policymakers, researchers, and healthcare professionals seeking to develop more comprehensive and responsive strategies in an increasingly challenging environmental landscape.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».