MétaCan
Menu
Retour à la cohorte
Enregistrement W2041070451 · doi:10.3357/asem.2560.2009

Prevention of Spread of Communicable Disease by Air Travel

2009· article· en· W2041070451 sur OpenAlexaff
Anthony Evans, Claude Thibeault

Notice bibliographique

RevueAviation Space and Environmental Medicine · 2009
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensInternational Civil Aviation Organization
Organismes subventionnairesH2020 European Research CouncilWorld Health Organization
Mots-clésPreparednessCommunicable diseaseAviationBusinessAir travelPublic healthPandemicTransmission (telecommunications)Government (linguistics)Airport securityDiseaseEnvironmental healthTransport engineeringEnvironmental planningRisk analysis (engineering)Infectious disease (medical specialty)MedicineCoronavirus disease 2019 (COVID-19)Computer securityEngineeringPolitical scienceGeographyComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Mathematical modeling suggests that travel restrictions are likely to have only a limited effect on minimizing the spread of disease. Nevertheless, medical screening of travelers remains an option to be considered in a risk-reduction strategy. Screening of departing and/or arriving travelers are possibilities, although the World Health Organization (WHO) favors the former as it is normally easier to geographically contain a disease prior to its transmission outside the outbreak area. Apart from airport screening, several other related issues require consideration, including: transmission of disease on board aircraft; transmission of disease in airport terminal buildings; and contact tracing. A major challenge is to ensure adequate resources are devoted to pandemic preparedness planning in the aviation sector, which may not be fully considered in a national preparedness plan. This is because the prevention of accidents occupies most of the attention of regulatory aviation authorities, and public health authorities do not always see aviation as a priority area. Chief medical officers of regulatory authorities may be in a position to facilitate collaboration between the many stakeholders involved in preparedness planning for aviation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,245

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,362
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAviation Space and Environmental MedicineMême sujetCOVID-19 epidemiological studiesTravaux en français237 207