Les impacts des changements climatiques sur la santé au Québec : l’exemple de l’Estrie
Bibliographic record
Abstract
L’Organisation mondiale de la Santé (OMS) soutient que les changements climatiques représentent la plus grande menace pour la santé dans le monde au 21e siècle. Ceux-ci influencent négativement plusieurs déterminants sociaux et environnementaux de la santé comme l’accessibilité à la nourriture et la qualité de cette dernière, l’eau et l’air. Blessures, impacts psychosociaux, aggravation de maladies respiratoires, malnutrition, maladies infectieuses, décès : les conséquences sanitaires sont susceptibles d’affecter les populations sur tous les continents. Le Canada se réchauffe deux fois plus rapidement que la moyenne mondiale en raison de sa proximité au pôle Arctique, où le réchauffement est accéléré comparativement à l’équateur (Bush et Lemmen, 2019). Ainsi, le Québec n’est certainement pas à l’abri des changements climatiques. Dans le Sud de la province, les températures moyennes observées ont augmenté de plus d’un degré depuis 1970 et des répercussions se font déjà sentir dans notre environnement. Ce réchauffement, accompagné d’une plus grande variabilité du climat (augmentation du risque d’orages, de tempêtes et d’extrêmes hydrométéorologiques en général), représente un défi grandissant pour les professionnel.le.s de la santé. Dans la région de l’Estrie, les professionnel.le.s de santé publique ont effectué une analyse qui leur ont permis d’identifier quatre principaux problèmes environnementaux associés aux changements climatiques, soit : les vagues de chaleur; les inondations; les tiques à pattes noires; le pollen de l’herbe à poux. Ces problèmes ont des impacts importants sur la santé, c’est-à-dire potentiellement graves ou qui touchent un grand nombre de personnes. Le stress et les pertes (humaines et matérielles) engendrées par ces différents problèmes environnementaux peuvent aussi représenter une source majeure de problèmes psychologiques significatifs pouvant persister dans le temps. De plus, ces impacts sont variables selon les différents contextes sociaux des individus et des communautés, générant des inégalités sociales de santé.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.008 |
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; both teacher heads agree on what is shown here.
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".