A lesson learned from Middle East respiratory syndrome (MERS) in Saudi Arabia
Notice bibliographique
Résumé
Middle East respiratory syndrome (MERS) caused by novel Corona virus hit Kingdom of Saudi Arabia (KSA) and resulted in hundreds of mortality and morbidity, fears and psychosocial stress among population, economic loss and major political change at Ministry of Health (MoH). Although MERS discovered two years ago, confusion still exists about its origin, nature, and consequences. In 2003, similar virus (SARS) hit Canada and resulted in a reform of Canada's public health system and creation of a Canadian Agency for Public Health, similar to the US Centers for Disease Control (CDC). The idea of Saudi CDC is attractive and even "sexy" but it is not the best option. Experience and literature indicate that the best option for KSA is to revitalize national public health systems on the basis of comprehensive, continuing, and integrated primary health care (PHC) and public health (PH). This article proposes three initial, but essential, steps for such revitalization to take place: political will and support, integration of PHC and PH, and on-job professional programs for the workforce. In addition, current academic and training programs for PHC and PH should be revisited in the light of national vision and strategy that aim for high quality products that protect and promote healthy nation. Scientific associations, medical education research chair, and relevant academic bodies should be involved in the revitalization to ensure quality of process and outcomes.
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 | 0,004 | 0,004 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».