Managing future Gulf War Syndromes: international lessons and new models of care
Notice bibliographique
Résumé
After the 1991 Gulf War, veterans of the conflict from the United States, United Kingdom, Canada, Australia and other nations described chronic idiopathic symptoms that became popularly known as 'Gulf War Syndrome'. Nearly 15 years later, some 250 million dollars in United States medical research has failed to confirm a novel war-related syndrome and controversy over the existence and causes of idiopathic physical symptoms has persisted. Wartime exposures implicated as possible causes of subsequent symptoms include oil well fire smoke, infectious diseases, vaccines, chemical and biological warfare agents, depleted uranium munitions and post-traumatic stress disorder. Recent historical analyses have identified controversial idiopathic symptom syndromes associated with nearly every modern war, suggesting that war typically sets into motion interrelated physical, emotional and fiscal consequences for veterans and for society. We anticipate future controversial war syndromes and maintain that a population-based approach to care can mitigate their impact. This paper delineates essential features of the model, describes its public health and scientific underpinnings and details how several countries are trying to implement it. With troops returning from combat in Afghanistan, Iraq and elsewhere, the model is already getting put to the test.
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 | 0,018 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,019 |
| Communication savante | 0,009 | 0,020 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».