Impacts of extreme temperatures on mood disorders: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Climate change has contributed to an increase in extreme temperatures globally, with mounting evidence suggesting a relationship between extreme temperature exposure and mental health. This review synthesizes findings on the impacts of extreme temperatures on several aspects of mood disorders. METHODS: This systematic review was conducted following the Preferred Reporting Items for Systematic reviews and Meta-Analyses guideline. Major databases (MEDLINE/PubMed, PsycINFO, Scopus, and Web of Science) were searched for eligible studies. Study quality was assessed using the Joanna Briggs Institute critical appraisal tool. RESULTS: = 2), encompassing diverse designs (case-crossover, cohort, and cross-sectional). High temperatures were linked to increased hospital admissions for mood disorders, especially among adolescents, women, and the elderly. Seventeen studies identified significant correlations between extreme heat and emergency department visits, whereas others reported minimal associations. Short-term exposure to humidity was a risk factor for increased mood disorder symptoms. Extreme cold exposure was associated with increased outpatient visits and heightened symptom severity for depressive disorders, particularly among older adults and females. The included studies were generally of moderate quality. CONCLUSIONS: The evidence from this review underscores the need for multi-pronged interventions, innovative practices, and public health strategies - including urban planning, patients' and public education, use of telemedicine, and policy measures - to mitigate the mental health consequences of climate change-driven extreme temperature events.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».