Perceptions of coastal dwellers about the effects of extreme temperature and saline water on human health: evidence from Bangladesh
Notice bibliographique
Résumé
Background Climate change disproportionately affects coastal communities worldwide, increasing exposure to extreme temperature and saline water intrusion. Understanding these impacts is critical for public health planning and intervention. This study aims to examine the perceptions about the effects of climate change-induced phenomena, specifically extreme temperature and water salinity, on the overall human health of coastal communities residing in Ramgati, Lakshmipur, Bangladesh. Methods The study adopted a quantitative research approach and utilized a cross-sectional survey design to gather data. The sample consisted of 391 participants (N = 391) residing in the coastal region of Ramgati. A structured questionnaire was employed to collect data. The gathered data were subjected to several bivariate analyses, including independent-sample t-tests, Pearson correlation analysis, and hierarchical regression analysis, using IBM SPSS version 24.0. Results Participants exposed to higher extreme temperature reported their perceptions of various health effects, such as heat stroke, dengue epidemic, migraine and headache. Additionally, participants experiencing elevated water salinity reported different health effects, including hair loss, high blood pressure, diarrhea, maternal health problems, child development, and hindered child mental health development. Linear regression analysis revealed that participants’ age (β = 0.33, p < 0.001), gender (β = −0.16, p < 0.001), perceived risk of health diseases (β = 0.17, p < 0.001), high salinity in water (β = 0.15, p = 0.002), and high temperature (β = 0.25, p < 0.001) were significantly associated with the perception of health effects. Conclusion This study highlights the importance of addressing key issues regarding the effects of extreme temperature and saline water on human health. Specifically, the study reports on access to clean drinking water, climate change adaptation strategies, health education and awareness, an integrated public health approach, and the needs of vulnerable populations, in order to mitigate the effects of climate change on human health living in the coastal areas.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».