MétaCan
Menu
Retour à la cohorte
Enregistrement W2111478388 · doi:10.2196/ijmr.1588

Use of a Web Portal for Support and Research After a Disaster: Opportunities and Lessons Learned

2012· article· en· W2111478388 sur OpenAlexvenueno aff
Geertruid M H Marres, Luke P. H. Leenen, J.W. van der Slikke, Eric Vermetten

Notice bibliographique

RevueInteractive Journal of Medical Research · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReferralScale (ratio)EmpowermentService (business)MedicinePsychologyMedical educationNursingPolitical scienceGeographyBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In this report we describe the development and use of a web portal in the aftermath of the 2004 tsunami. This large scale disaster confronted many displaced people with death, despair and need for information and support. Awareness and insight in the emotional impact of disasters can provide opportunities for surveillance and early treatment. Moreover, online support systems can contribute to community building, empowerment of victims and resilience. OBJECTIVE: We evaluate the development and use of a multilingual web portal that combined a platform for information, emotional support, self assessment and referral with research opportunities. The rapid development, use, advantages, difficulties and learning points are discussed. METHODS: A multidisciplinary working group from the University Medical Centre Utrecht, the Major Incident Hospital and the Central Military Hospital developed a web portal for tsunami victims. The webportal combined: (1) a forum aimed at community building, (2) self assessment tools that in the same time function as a reseach survey, (3) e-consultation, and (4) an information portal. RESULTS: Within 3 weeks after the tsunami, the working group launched an open, online service (www.TISEI.org. Tsunami Intrenational Survey on Emotional Impact) to foster community) support in the aftermath of the disaster. It combined four functionalities that were earlier previously only used separately. The portal had over 36.800 unique visitors in the first two years. At least 31% (144/464) percent of the Dutch surviving victims could be reached for a survey through the site. The TISEI-environment was available in 15 languages and visitors came from all over the world. Ninety-five percent of all visitors came from Europe or the United States. Subsequent to immediate disaster support, the web portal also served as a memorial archive for anniversary meetings and follow-up incentives. Difficulties we experienced were lack of funding, time pressure, victim-anonymisation, international collaboration and long term maintenance. CONCLUSIONS: A multilingual website with combined modalities for emotional care and research after a natural disaster proved feasible. Web based services like www.TISEI.org in the aftermath of mass disasters can help community building and deliver low level, patient centred and easily accessible information and care. A multilingual website with combined modalities for emotional care and research after a natural disaster proved feasible. Growing Internet penetration world wide and especially the rapid expansion and influence of online communities enables delivery of care and perform research with the internetInternet as a platform. The unpredictable nature of disaster does put time pressure on the development of online solutions and influenced the yield of our site. This highlights the necessity of developing methods and (inter) national collaborations in advance, secure funding, and learn from earlier initiatives.

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)0,021
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,605
Tête enseignante GPT0,628
Écart entre enseignants0,023 · 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.

Devis d'étudeSans objet
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

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetDisaster Response and ManagementTravaux en français237 207