Investigation of the Impact of Renewable Energy and Carbon Emissions on Health Expenditures in Iran
Notice bibliographique
Résumé
سلامت به عنوان ارزشمندترین دارایی انسان، اغلب قابل قیمتگذاری نیست. در دهههای اخیر، افزایش مصرف سوختهای فسیلی و پیامدهای مرتبط با آن از جمله انتشار کربن و آلودگی زیستمحیطی، منجر به تشدید بیماریها، معضلات نظام سلامت و حتی افزایش مرگومیر در بسیاری از کشورها شده است. علاوه بر این، گسترش شهرنشینی و تغییرات جمعیتی، بهعنوان چالشهای نوظهور در حوزه سلامت محسوب میشوند. این پژوهش با استفاده از دادههای سریزمانی و مدل خودرگرسیونبرداری با وقفههای توزیعی (ARDL)، تأثیر عوامل زیستمحیطی و اجتماعی، شامل انرژیهای تجدیدپذیر، انتشار کربن، رشد جمعیت شهری و بار تکفل را بر مخارج سلامت در ایران طی سالهای 1990 تا 2019 بررسی کرده است. شاخصهای مورد مطالعه شامل مخارج سلامت دولتی، مصرف انرژیهای تجدیدپذیر بهعنوان درصدی از کل مصرف انرژی، رشد سالانه جمعیت شهری و بار تکفل بهعنوان درصدی از جمعیت فعال است. نتایج نشان میدهد که افزایش انتشار دیاکسید کربن، رشد جمعیت شهری و بار تکفل، با افزایش مخارج سلامت همراه است. در مقابل، مصرف انرژیهای تجدیدپذیر با کاهش انتشار دیاکسید کربن، تأثیر منفی و معنادار بر مخارج سلامت دارد. بهعبارتدیگر، افزایش مصرف انرژیهای تجدیدپذیر، بهبود سلامت جامعه و کاهش هزینههای مرتبط با آن را درپی دارد. یافتههای پژوهش اهمیت توسعه انرژیهای تجدیدپذیر در ارتقاء کیفیت محیطزیست و کاهش بار مالی نظام سلامت را تایید میکند. پیشنهاد میشود دولت با تنوعبخشی به منابع انرژی تجدیدپذیر، جایگزینی سوختهای فسیلی و تمرکز بر رشد سبز، زمینه بهبود محیطزیست و ارتقاء سلامت جامعه را فراهم کند.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».