Return to search

Folkhälsovetenskap i en tid av klimatförändringar, digitalisering och orättvisa : En kartläggande studie om den artificiella intelligensens betydelse i hanteringen av klimatrelaterade folkhälsohot / Public health science in a time of climate change, digitalisation and iniquity : A scoping review on the importance of artificial intelligence in the management of climate-related public health threats

Introduktion: Varje år dör 300 000 människor i världen på grund av klimatförändringarna och 325 miljoner påverkas allvarligt. De som i huvudsak drabbas är människor som redan är utsatta och de finns både i rika och fattiga länder. Dessa konsekvenser leder till stora sociala orättvisor mellan utvecklade länder och outvecklade men även inom nationer, därför kommer en global hälsa i en vidare mening beträffande naturkapital, humankapital och socialt kapital att krävas. Där bördorna delas och skador undviks genom mitigation, anpassning och hälsoprevention. Den pågående digitaliseringen i samhället genom bland annat AI innebär stora möjligheter ur ett folkhälsoperspektiv att arbeta preventivt. Syfte: Syftet är att generera kunskap om hur artificiell intelligens används i ett hälsopreventivt arbete för att begränsa konsekvenserna av klimatförändringar. Metod: En kvalitativ kartläggande litteraturgranskning med en induktiv innehållsanalys. Resultat: Uteslutande så används maskininlärning som AI i artiklarna för att arbeta preventivt och försöka förutse olika hot mot folkhälsan som ett förändrat klimat bidrar till. Klimatkonsekvenserna som förekommer är vektorburna sjukdomar, zoonoser, värmeböljor och luftföroreningar. Artiklarna sträcker sig från år 2016 till 2020 och genomförs i huvudsak i och av utvecklade länder. Slutsats: AI kan användas i hälsopreventivt arbete för att begränsa konsekvenserna av klimatförändringar baserat på teknikens förmåga att förutse hälsohot. Detta är ett viktigt inslag i hälsopreventivt arbete. Forskningsområdet är i sin linda och behöver ta mer hänsyn till etik, rättvisa och hälsans bestämningsfaktorer. / Introduction: Every year, 300,000 people in the world die due to climate change and 325 million are severely affected. Those who are mainly affected are people who are already vulnerable and they are found in both rich and poor countries. This leads to great social injustices between developed countries and undeveloped but also within nations, therefore global health in a broader sense regarding natural capital, human capital and social capital will be required. Where burdens are shared and injuries are avoided through mitigation, adaptation and health prevention. Gradually, digitalization through, among other things, AI permeates the global society more and more and research believes that for public health work, this means great opportunities to work preventively and that health systems become more efficient, safer and cheaper. Aim: The aim is to generate knowledge about how artificial intelligence is used in health prevention work to limit the consequences of climate change. Method: A qualitative scoping review with an inductive content analysis. Results: Machine learning is used in the articles to work preventively and try to predict various threats to public health that climate change contributes to. The climate consequences that occur are vector-borne diseases, zoonoses, heat waves and air pollution. The articles extend from 2016 to 2020 and are mainly implemented in and by developed countries. Conclusion: AI can be used in health prevention work to limit the consequences of climate change based on the technology's ability to predict health threats. This is an important element in health prevention work. The research area is in its infancy and needs to take more account of ethics, justice and health determinants.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:his-19855
Date January 2021
CreatorsFranzén, Johnny
PublisherHögskolan i Skövde, Institutionen för hälsovetenskaper
Source SetsDiVA Archive at Upsalla University
LanguageSwedish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds