Sustaining a Regional Emerging Infectious Disease Research Network: A Trust-Based Approach
Notice bibliographique
Résumé
The Asia Partnership on Emerging Infectious Diseases Research (APEIR) was initiated in 2006 to promote regional collaboration in avian influenza research. In 2009, the partnership expanded its scope to include all emerging infectious diseases. APEIR partners include public health and animal researchers, officials and practitioners from Cambodia, China, Lao PDR, Indonesia, Thailand and Vietnam. APEIR has accomplished several major achievements in three key areas of activity: (i) knowledge generation (i.e., through research); (ii) research capacity building (e.g., by developing high-quality research proposals, by planning and conducting joint research projects, by adopting a broader Ecohealth/OneHealth approach); and (iii) policy advocacy (e.g., by disseminating research results to policy makers). This paper describes these achievements, with a focus on the partnership's five major areas of emerging infectious disease research: wild migratory birds, backyard poultry systems, socio-economic impact, policy analysis, and control measures. We highlight two case studies illustrating how the partnership's research results are being used to inform policy. We also highlight lessons learned after five years of working hard to build our partnership and the value added by a multi-country, multi-sectoral, multi-disciplinary research partnership like APEIR.
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 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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».