Réduire les risques de chaleur extrême pour les personnes âgées : communiquer les risques et renforcer la résilience
Bibliographic record
Abstract
Introduction Les changements climatiques mondiaux entraînent des vagues de chaleur qui ont une incidence disproportionnée sur les personnes âgées et divers autres groupes socialement vulnérables. Afin d’atténuer les risques associés aux épisodes de chaleur extrême, il est essentiel d’élaborer et de promouvoir des ressources permettant de faire face à ces épisodes. Une meilleure compréhension du rôle de la perception des risques et des facteurs qui les influencent permettra d’améliorer les réactions du public aux événements menaçants, en particulier chez les personnes âgées. Méthodologie Cette étude à méthodologie mixte visait à examiner la perception des risques et les pratiques d’adaptation des personnes âgées en effectuant des entrevues qualitatives (n = 15) et une enquête (n = 244) auprès de personnes âgées de la région de Waterloo (Ontario). Résultats Les personnes âgées ont fait preuve d’une connaissance relativement précise des risques, comme l’indique le lien entre les mesures du risque réel et la perception de leur risque personnel. Alors que l’on associe souvent la vulnérabilité à la chaleur à une perception inexacte du risque, dans notre échantillon, cette vulnérabilité semble plus fortement liée à la situation sociale et à l’accès aux ressources. Les participants ont cité les liens sociaux comme des ressources importantes pour la résilience et ont mentionné la stigmatisation entourant la vulnérabilité ainsi que d’autres normes sociales comme des obstacles à la recherche de soutien. Conclusion L’une de nos constatations importantes est la relation positive entre la perception des risques par les participants et le risque réel de subir les conséquences négatives d’une chaleur extrême, alors que les problèmes de préparation aux situations d’urgence et de réduction des risques sont souvent présentés comme des questions de sensibilisation aux risques plutôt que de situation sociale et d’inégalité. Outre l’augmentation des ressources publiques pour composer avec la chaleur extrême, la communication sur les ressources, la promotion des liens sociaux et la réduction de la stigmatisation peuvent s’avérer des aspects cruciaux dans l’augmentation de la résilience des personnes âgées face aux vagues de chaleur.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".