Changement Climatique et Iniquités en Santé : L’apport de L’approche Interventionnelle en Santé des Populations dans un Contexte Québécois
Bibliographic record
Abstract
Dans un monde globalisé, le changement climatique vient s’ajouter à la plethora de problèmes complexes auxquels la santé publique doit faire face. Cet article propose de s’intéresser, à travers une perspective interventionnelle en santé des populations et dans un contexte québécois, aux conséquences du changement climatique sur les populations vulnérables ainsi qu’aux domaines d’action pouvant les mitiger. Une recherche documentaire a été effectuée dans sept banques de données liées à plusieurs disciplines en sciences sociales, de la santé et de l’environnement. Reconnaissant également l’apport des organismes non gouvernementaux pour la santé des populations, celle-ci a été complémentée par des rapports d'organisations militantes et citoyennes. Les résultats montrent que plusieurs secteurs peuvent collaborer avec les agences de santé publique et les organismes communautaires pour réduire, d’une part, le changement climatique et, de l’autre, les iniquités en matière de santé. Au Québec, trois domaines d’action semblent particulièrement prometteurs, soit : l’aménagement territorial en milieu urbain, le transport et la mobilité durable et l’agriculture urbaine et périurbaine. Préconisant un cadre social écologique et une collaboration multisec torielle, les interventions centrées sur la santé des populations permettent d’atténuer les conséquences du changement climatique sur les iniquités sociales et sanitaires. Quelques défis et pistes de recherche liés à leur implantation et à leur pérennité sont discutés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.006 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".