MétaCan
Menu
Retour à la cohorte
Enregistrement W2101838573 · doi:10.1016/j.ijid.2010.02.582

GLaDMap: Global Laboratory Directory Map

2010· article· en· W2101838573 sur OpenAlexaff
Shamir Mukhi, L.‐K. Ng, B. Swaminathan

Notice bibliographique

RevueInternational Journal of Infectious Diseases · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésDirectoryUploadPreparednessGlobal networkInternational Health RegulationsPublic healthGlobal healthBusinessWorld Wide WebComputer sciencePublic relationsPolitical scienceTelecommunicationsMedicineInfectious disease (medical specialty)Nursing

Résumé

récupéré en direct d'OpenAlex

Background: The International Health Regulations (IHR) 2005 calls for strengthening core capacities of the 194 World Health Organization (WHO) member countries. No single country has the resources to control spread of infectious diseases, and cross border collaborations and information sharing are important for early mitigation of a public health event of international concern (PHEIC). Given the disparity among countries, especially in the laboratory capabilities in many less developed countries (LDC) for the detection, risk assessment of, and response to public health events, one way to improve capacity is to tap into the vibrant communities of laboratory networks. To connect the expertise and to map global laboratory resources, WHO has launched the Global Laboratory Directory (GLaD). GLaD is conceived as a support system to encourage laboratory networks to be part of a global community of peers. It is to connect laboratory networks to leverage capabilities and capacities in support of effective preparedness in compliance with the IHR. GLaD comprises of three components: GLaDMap, GLaDNet and GLaDResource Methods: This abstract focuses on the GLaDMap component which is based on a combination of the “yellow pages” directory concept with the links of a social “facebook” community. It is a list of networks and their member laboratories using a web based interactive mapping technology. Laboratory networks upload information through a detailed questionnaire and their specifics are uploaded and displayed dynamically, highlighting their specialties, geographic location, partnerships and activities. Results: A dynamic display of laboratories and their connections will be demonstrated: A series of mapping exercise scenarios will highlight how peer communities are utilizing the mapping tool, focusing on networks for cholera, food safety, influenza and biosafety. Conclusion: GLaD is positioned to strengthen the WHO's capability to perform fully and effectively the functions entrusted to it under the IHR, in particular to link more isolated laboratories in LDCs with others for better global connectivity and readiness to mitigate PHEICs. Abstracts for SupplementInternational Journal of Infectious DiseasesVol. 14Preview Full-Text PDF Open Archive

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,380

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1140,049

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 Opus0,004
Tête enseignante GPT0,291
Écart entre enseignants0,287 · 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
GenreLogiciel

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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Infectious DiseasesMême sujetData-Driven Disease SurveillanceTravaux en français237 207