MétaCan
Menu
Retour à la cohorte
Enregistrement W2113500562 · doi:10.1177/0272989x07312721

Modeling the Logistics of Response to Anthrax Bioterrorism

2008· article· en· W2113500562 sur OpenAlexaff
Gregory S. Zaric, Dena M Bravata, Jon-Erik C. Holty, Kathryn M McDonald, Douglas K Owens, Margaret L. Brandeau

Notice bibliographique

RevueMedical Decision Making · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacillus and Francisella bacterial research
Établissements canadiensWestern University
Organismes subventionnairesU.S. Public Health Service
Mots-clésSoftware deploymentMedicineMedical emergencyRisk analysis (engineering)BusinessComputer securityEnvironmental healthIntensive care medicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A bioterrorism attack with an agent such as anthrax will require rapid deployment of medical and pharmaceutical supplies to exposed individuals. How should such a logistical system be organized? How much capacity should be built into each element of the bioterrorism response supply chain? METHODS: The authors developed a compartmental model to evaluate the costs and benefits of various strategies for preattack stockpiling and postattack distribution and dispensing of medical and pharmaceutical supplies, as well as the benefits of rapid attack detection. RESULTS: The authors show how the model can be used to address a broad range of logistical questions as well as related, nonlogistical questions (e.g., the cost-effectiveness of strategies to improve patient adherence to antibiotic regimens). They generate several key insights about appropriate strategies for local communities. First, stockpiling large local inventories of medical and pharmaceutical supplies is unlikely to be the most effective means of reducing mortality from an attack, given the availability of national and regional supplies. Instead, communities should create sufficient capacity for dispensing prophylactic antibiotics in the event of a large-scale bioterror attack. Second, improved surveillance systems can significantly reduce deaths from such an attack but only if the local community has sufficient antibiotic-dispensing capacity. Third, mortality from such an attack is significantly affected by the number of unexposed individuals seeking prophylaxis and treatment. Fourth, full adherence to treatment regimens is critical for reducing expected mortality. CONCLUSIONS: Effective preparation for response to potential bioterror attacks can avert deaths in the event of an attack. Models such as this one can help communities more effectively prepare for response to potential bioterror attacks.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,043
Tête enseignante GPT0,350
Écart entre enseignants0,307 · 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'étudeSimulation ou modélisation
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

Citations72
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetBacillus and Francisella bacterial researchTravaux en français237 207