MétaCan
Menu
Retour à la cohorte
Enregistrement W1984732705 · doi:10.1016/j.ajic.2009.10.002

The pandemic influenza planning process in Ontario acute care hospitals

2009· article· en· W1984732705 sur OpenAlexafffundabout
Dick Zoutman, B. Douglas Ford, Matt Melinyshyn, Brian Schwartz

Notice bibliographique

RevueAmerican Journal of Infection Control · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensPublic Health OntarioUniversity of TorontoQueen's UniversityKingston General Hospital
Organismes subventionnairesQueen's University
Mots-clésPandemicMedicineInfluenza pandemicPreparednessHuman mortality from H5N1Acute careMedical emergencyHealth careCoronavirus disease 2019 (COVID-19)Quarter (Canadian coin)Family medicineInfectious disease (medical specialty)DiseaseEconomic growthInternal medicineGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There will be little time to prepare when an influenza pandemic strikes; hospitals need to develop and test pandemic influenza plans beforehand. METHODS: Acute care hospitals in Ontario were surveyed regarding their pandemic influenza preparedness plans. RESULTS: The response rate was 78.5%, and 95 of 121 hospitals participated. Three quarters (76.8%, 73 of 95) of hospitals had pandemic influenza plans. Only 16.4% (12 of 73) of hospitals with plans had tested them. Larger (chi(2) = 6.7, P = .01) and urban hospitals (chi(2) = 5.0, P = .03) were more likely to have tested their plans. 70.4% (50 of 71) Of respondents thought the pandemic influenza planning process was not adequately funded. No respondents were "very satisfied" with the completeness of their hospital's pandemic plan, and only 18.3% were "satisfied." CONCLUSION: Important challenges were identified in pandemic planning: one quarter of hospitals did not have a plan, few plans were tested, key players were not involved, plans were frequently incomplete, funding was inadequate, and small and rural hospitals were especially disadvantaged. If these problems are not addressed, the result may be increased morbidity and mortality when a virulent influenza pandemic hits.

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)0,008
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil0,451

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,026
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,002
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,021
Tête enseignante GPT0,401
Écart entre enseignants0,380 · 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'étudeQualitatif
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

Citations23
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Infection ControlMême sujetDisaster Response and ManagementTravaux en français237 207