Identification et évaluation des effets sur la santé dans les évaluations environnementales stratégiques au Québec
Bibliographic record
Abstract
Les liens entre la dégradation de l'environnement et les conséquences sur la santé humaine sont confirmés par les recherches scientifiques et peu à peu, ils prennent une place importante dans les médias. La santé environnementale est fréquemment l'objet de l'actualité. Les préoccupations des uns et des autres soulèvent de nombreux questionnements quant au choix que la société fait entre le développement ou le statu quo. Les projets ou politiques sont annoncés, mais encore faut-il que leurs impacts soient connus et que des mesures soient adoptées pour éviter ou, tout au moins, diminuer leurs conséquences négatives. L'évaluation environnementale stratégique de politiques, de plans ou de programmes peut-elle prendre en compte les effets sur la santé humaine? L'essai cible cette question en prenant comme exemple l'évaluation environnementale stratégique sur le gaz de schiste qui est présentement en cours au Québec. L'analyse des notions et concepts, les plus courants, associés à la santé publique et à ses déterminants, à l'évaluation d'impact sur la santé, à l'intégration des impacts sur la santé dans les évaluations environnementales, ainsi que le développement d'outils permettant d'évaluer l'intégration dans un cas réel québécois a permis d'identifier certaines pistes de réflexion. Le choix des déterminants sur la santé doit être au coeur de l'évaluation. Par déterminant, on entend les facteurs biophysiques, comportementaux, sociaux, économiques et personnels qui influencent la santé des personnes et de la population. La méthodologie de l'évaluation d'impact sur la santé se base, entre autres, sur ces déterminants. Enfin, l'essai se termine sur six recommandations. Elles portent sur la mise en place d'un processus d'évaluation environnementale stratégique, combiné aux principes de développement durable, sur l'exigence d'y associer des évaluations d'impact sur la santé, ainsi que l'implication des experts dans le domaine, sur la bonification du guide méthodologique du Ministère de la Santé et des Services sociaux et le développement d'outils pour faciliter l'intégration des connaissances en santé dans les évaluations environnementales.
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 | 0.016 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".