MétaCan
Menu
Retour à la cohorte
Enregistrement W4413903386 · doi:10.1016/j.ssmhs.2025.100130

Community health worker contributions to climate resilient health systems: A qualitative study of how community health workers navigate extreme weather events in the Philippines

2025· article· en· W4413903386 sur OpenAlexafffund
Bridget Beggs, Laura Jane Brubacher, Monica Bustos, Lincoln Lau, Jennifer Liu, Warren Dodd

Notice bibliographique

RevueSSM - Health Systems · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research CouncilWorld Health Organization
Mots-clésCommunity healthExtreme weatherCommunity health workersHealth workerQualitative researchEnvironmental healthClimate changeEnvironmental planningEnvironmental resource managementGeographySociologyEnvironmental sciencePublic healthHealth servicesEcologyMedicineSocial scienceNursing

Résumé

récupéré en direct d'OpenAlex

Community health workers (CHWs) are an important source of health-related support and care across many resource-constrained settings. However, amid the increasing frequency and intensity of extreme weather events globally, there is a need to understand how CHWs may experience and navigate these events, and consider potential opportunities to strengthen their contributions to climate resilient health systems. This study explored the experiences of CHWs before, during, and after extreme weather events to examine how their identities, existing responsibilities, and perceived capacity shaped their ability to contribute towards preparedness, response, and recovery efforts in their communities. In collaboration with a Philippines-based non-governmental organization (NGO), we conducted 51 semi-structured interviews with CHWs affiliated with an NGO-led CHW program across four municipalities in Negros Oriental, Philippines. All interviews were audio-recorded, transcribed, and thematically analyzed using a hybrid deductive-inductive approach. Participants described how the various roles and responsibilities they held within and outside of their household shaped their engagement with preparedness, response, and recovery to extreme weather events. Importantly, participants highlighted opportunities to enhance their contributions to preparedness, response, and recovery efforts in their communities. Further, participants discussed how additional training and material resources could be leveraged to enhance preparedness to and recovery from extreme weather events in their communities. Overall, this study provides insight into how CHWs may contribute to climate resilient health systems amid extreme weather events, and underscores the complexities of recognizing CHWs as both health leaders and community members in disaster risk management practices. • Community health workers are a key source of support amid extreme weather events. • Community health workers demonstrated a motivation and capacity to provide support. • Community health workers are both health leaders and community members themselves. • Capacity to provide support was shaped by roles and responsibilities in communities.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,007
Communication savante0,0030,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,143
Tête enseignante GPT0,451
Écart entre enseignants0,308 · 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'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSM - Health SystemsMême sujetClimate Change and Health ImpactsTravaux en français237 207