Embedding Climate Literacy in Canadian Nursing Curricula and Research: Lessons from Wildfires and Heat Waves
Notice bibliographique
Résumé
Climate change is one of the greatest global health challenges of the twenty-first century, with wildfires, heat waves, floods, and other extreme events posing profound threats to health systems, communities, and vulnerable populations. Nurses, as the largest segment of the healthcare workforce, are uniquely positioned to respond to these crises, yet climate literacy and climate-health research remain underdeveloped in nursing. While recent progress has been made in embedding environmental health into Canadian nursing curricula, implementation is inconsistent, and research examining the intersections of climate change, health outcomes, and nursing practice is limited. This editorial argues that advancing both nursing education and nursing research is essential to prepare the profession for the realities of a climate-altered world. Climate literacy must be integrated into all levels of nursing education, moving beyond elective or peripheral status to become a core competency. At the same time, nursing research must expand its scope to evaluate disaster nursing interventions, address inequities faced by Indigenous and racialized communities, explore community resilience strategies, and assess the long-term impacts of climate-focused education on workforce readiness. By embedding climate literacy in curricula and prioritizing nursing research, the discipline can generate evidence to inform practice, shape policy, and strengthen health system resilience. Nurses equipped with climate literacy competencies will be able to provide effective care during climate-related disasters, advocate for systemic reforms, and build equitable, sustainable communities. In doing so, nursing can take a leadership role in addressing the health impacts of climate change and advancing global health equity.
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 | 0,033 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,006 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».