Adapting existing models of highly contagious diseases to countries other than their country of origin
Notice bibliographique
Résumé
Many countries do not have the resources to develop epidemiological models of animal diseases. As a result, it is tempting to use models developed in other countries. However, an existing model may need to be adapted in order for it to be appropriately applied in a country, region, or situation other than that for which it was originally developed. The process of adapting a model has a number of benefits for both model builders and model users. For model builders, it provides insight into the applicability of their model and potentially the opportunity to obtain data for operational validation of components of their model. For users, it is a chance to think about the infection transmission process in detail, to review the data available for modelling, and to learn the principles of epidemiological modelling. Various issues must be addressed when considering adapting a model. Most critically, the assumptions and purpose behind the model must be thoroughly understood, so that new users can determine its suitability for their situation. The process of adapting a model might simply involve changing existing model parameter values (for example, to better represent livestock demographics in a country or region), or might require more substantial (and more labour-intensive) changes to the model code and conceptual model. Adapting a model is easier if the model has a user-friendly interface and easy-to-read user documentation. In addition, models built as frameworks within which disease processes and livestock demographics and contacts are flexible are good candidates for technology transfer projects, which lead to long-term collaborations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».