MétaCan
Menu
Retour à la cohorte
Enregistrement W1535366520 · doi:10.1111/j.1863-2378.2010.01351.x

Animal Health Policy Principles for Highly Pathogenic Avian Influenza: Shared Experience from China and Canada

2010· article· en· W1535366520 sur OpenAlexafffundabout
Craig Stephen, L. Ninghui, Francis C. Yeh, L. Zhang

Notice bibliographique

RevueZoonoses and Public Health · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensUniversity of AlbertaUniversity of CalgaryVancouver Coastal Health
Organismes subventionnairesPublic Health Agency of Canada
Mots-clésChinaInfluenza A virus subtype H5N1Highly pathogenicEnvironmental healthVirologyMedicineBiologyGeographyPolitical scienceVirusLaw

Résumé

récupéré en direct d'OpenAlex

Animal health policy for highly pathogenic avian influenza (HPAI) must, for the time being, be based on expert opinion and shared international experience. We used the intellectual capital and knowledge of experienced Chinese and Canadian practitioners and policy makers to inform policy options for China and find shared policy elements applicable to both countries. No peer-reviewed comprehensive evaluations or systematic regulatory impact assessments of animal health policies were found. Sixteen guiding policy principles emerged from our thematic analysis of Chinese and Canadian policies. We provide a list of shared policy goals, targets and elements for HPAI preparedness, response and recovery. Policy elements clustered in a manner consistent with core public health competencies. Complex situations like HPAI require complex and adaptive policies, yet policies that cross jurisdictions and are fully integrated across agencies are rare. We encourage countries to develop or deploy capacity to undertake and publish regulatory impact assessments and policy evaluation to identify policy needs and provide a basis for evidence-based policy development.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,974

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0180,007
Communication savante0,0050,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,299
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueZoonoses and Public HealthMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207