Bibliographic record
Abstract
Pesticides, pollution de l’air, de l’eau et des aliments, changements climatiques, menaces biologiques, chimiques, radiologiques, épidémies et inégalités environnementales de santé… Les sujets d’inquiétude quant aux conséquences de la dégradation de l’environnement sur notre santé sont nombreux et ont besoin d’être compris et analysés à l’aide des connaissances scientifiques actuelles.Unique dans le paysage éditorial et scientifique francophone, Environnement et santé publique : fondements et pratiques présente les méthodes et approches de la santé publique environnementale d’aujourd’hui. Cette 2e édition s’enrichit de nouvelles perspectives comme la démarche « Une seule santé », le concept d’exposome, et offre une vision globale des impacts sanitaires des changements climatiques.Présentant les grands défis écologiques et les inégalités socio-environnementales de notre temps, plus de 150 auteurs s’appuient sur les données les plus récentes, établissent des objectifs au gré d’exemples illustrés et d’études de cas en Europe, en Afrique et en Amérique du Nord.Alors que les programmes axés sur la santé publique, la santé environnementale, la santé au travail et les sciences de l’environnement connaissent un engouement sans précédent, cet ouvrage est une référence pour les étudiants, enseignants, chercheurs et professionnels de ces disciplines, ainsi que pour les organisations publiques et associatives dans toute la francophonie.
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 | 0.004 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.141 | 0.047 |
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".