Changements climatiques et maladies infectieuses : À quoi pouvons-nous nous attendre?
Bibliographic record
Abstract
Les changements climatiques à l’échelle mondiale, causés par les émissions de gaz à effet de serre d’origine humaine, ont une incidence particulière au Canada, où le réchauffement est en général plus élevé que dans le reste du monde. Le réchauffement continu sera accompagné de changements dans les précipitations, qui varieront selon les régions et les saisons, et d’une variabilité accrue du climat et de phénomènes météorologiques extrêmes. Les changements climatiques entraîneront probablement l’émergence de maladies infectieuses au Canada, qui se propageront vers le nord en provenance des États-Unis ou seront introduites par le transport maritime et aérien international. Des maladies endémiques au Canada pourraient aussi réapparaître. Ce numéro spécial traite des principaux risques de maladies infectieuses associés aux changements climatiques. Il s’agit entre autres de l’émergence des maladies transmises par des tiques, outre la maladie de Lyme, de la possible introduction de maladies exotiques transmises par des moustiques, comme la malaria et la dengue, d’un plus grand nombre d’épidémies de maladies vectorielles endémiques au Canada, comme le virus du Nil occidental, et une incidence accrue des maladies transmises par des virus d’origine alimentaire. Le risque devrait être aggravé par le fait qu’une population vieillissante souffrant de maladies chroniques a une plus grande sensibilité aux maladies infectieuses. Cerner les risques de maladies émergentes afin d’évaluer notre vulnérabilité est un processus essentiel et constitue un point de départ pour établir où doivent porter les efforts en santé publique pour réduire la vulnérabilité et l’exposition de la population canadienne.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".