Managing public health crises: the role of models in pandemic preparedness
Notice bibliographique
Résumé
BACKGROUND: Given the enormity of challenges involved in pandemic preparedness, design and implementation of effective and cost-effective public health policies is a major task that requires an integrated approach through engagement of scientific, administrative, and political communities across disciplines. There is ample evidence to suggest that modeling may be a viable approach to accomplish this task. METHODS: To demonstrate the importance of synergism between modelers, public health experts, and policymakers, the University of Winnipeg organized an interdisciplinary workshop on the role of models in pandemic preparedness in September 2008. The workshop provided an excellent opportunity to present outcomes of recent scientific investigations that thoroughly evaluate the merits of preventive, therapeutic, and social distancing mechanisms, where community structures, priority groups, healthcare providers, and responders to emergency situations are given specific consideration. RESULTS: This interactive workshop was clearly successful in strengthening ties between various disciplines and creating venues for modelers to effectively communicate with policymakers. The importance of modeling in pandemic planning was highlighted, and key parameters that affect policy decision-making were identified. Core assumptions and important activities in Canadian pandemic plans at the provincial and national levels were also discussed. CONCLUSIONS: There will be little time for thoughtful and rapid reflection once an influenza pandemic strikes, and therefore preparedness is an unavoidable priority. Modeling and simulations are key resources in pandemic planning to map out interdependencies and support complex decision-making. Models are most effective in formulating strategies for managing public health crises when there are synergies between modelers, planners, and policymakers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».