Emerging illnesses and society : negotiating the public health agenda
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
How do new diseases become part of the public health agenda? Emerging Illnesses and Society brings together historians, sociologists, epidemiologists, public health experts, and others to explore this vital issue. Contributors describe the processes by which patients' groups interact with medical researchers, public health institutions, and the media to identify and address previously unknown illnesses, including multiple sclerosis, Tourette syndrome, AIDS, lead poisoning, Lyme disease, and hepatitis C. The introductory chapter develops a general theoretical model of the social process of emergingillness, identifying critical epidemiologic, social and political factors that shape different trajectories toward the construction of public health priorities. Through case studies of individual diseases and analyses of public awareness campaigns and institutional responses, this timely volume provides important insights into the medical, social, and economic factors that determine why some illnesses receive more attention and funding than others. Contributors: Deborah Barrett, University of North Carolina, Chapel Hill; Steven Epstein, University of California, San Diego; Phyllis Freeman, University of Massachusetts, Boston; Diane E. Goldstein, Memorial University of Newfoundland; Peter J. Krause, University of Connecticut School of Medicine; Howard I. Kushner, Emory University; Lawrence D. Mass, Beth Israel Medical Center, New York; Michelle Murphy, University of Toronto; Lydia Ogden, Global AIDS Program, CDCR; Sandy Smith-Nonini, Elon University; Ellen Griffith Spears, Southern Regional Council; Andrew Spielman, Harvard School of Public Health; Colin Talley, University of California San Francisco; Sam R. Telford III, Harvard School of Public Health; Christian Warren, New York Academy of Medicine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle