Heat exposure and farmers' health in Vietnam: Impacts and health promotion strategies
Notice bibliographique
Résumé
Increasing extremes of temperature is becoming a global public health threat. Exposure to high temperatures can result in heat-related illnesses (HRI), exacerbate existing chronic conditions, and increase the risk of hospitalisation and mortality. Agricultural workers, especially in developing countries, face heightened exposure risk due to prolonged outdoor exposure and insufficient protection. In Vietnam, a country where over one-third of its workforce engaged in farming and 90% of farmers relied on traditional manual farming methods, the heat-related health risks are even higher. Although agriculture is vital to the economy and food security, Vietnamese farmers lack protections from occupational health and safety (OHS) regulations and have limited access to health and social services. This PhD project aimed to evaluate the health effects of high-temperature exposure on Vietnamese farmers and developed health promotion strategies. The project included four studies that were connected and mutually supportive of each other. The first study conducted a global systematic review synthesising existing research on heat impacts on agricultural workers' health. The second involved a time-series analysis to examine the temperature-hospitalisation association of farmers in six Vietnamese provinces. The third study was a cross-sectional survey to estimate the prevalence of HRI symptoms and associated factors. Lastly, the fourth study implemented a community needs assessment (CNA) to explore different perspectives on heat exposure, heat-prevention difficulties, and prioritised solutions. These four studies were guided by a multiconceptual framework combining the Concept of Vulnerability, the Socioecological Model, the CNA framework, and the Ottawa Charter for Health Promotion. Together, these frameworks provided a comprehensive and context-sensitive approach to understanding the complex heat-health relationship. [...]
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».