Mass-gathering Health Research Foundational Theory: Part 2 - Event Modeling for Mass Gatherings
Notice bibliographique
Résumé
BACKGROUND: Current knowledge about mass-gathering health (MGH) fails to adequately inform the understanding of mass gatherings (MGs) because of a relative lack of theory development and adequate conceptual analysis. This report describes the development of a series of event lenses that serve as a beginning "MG event model," complimenting the "MG population model" reported elsewhere. METHODS: Existing descriptions of "MGs" were considered. Analyzing gaps in current knowledge, the authors sought to delineate the population of events being reported. Employing a consensus approach, the authors strove to capture the diversity, range, and scope of MG events, identifying common variables that might assist researchers in determining when events are similar and might be compared. Through face-to-face group meetings, structured breakout sessions, asynchronous collaboration, and virtual international meetings, a conceptual approach to classifying and describing events evolved in an iterative fashion. Findings Embedded within existing literature are a variety of approaches to event classification and description. Arising from these approaches, the authors discuss the interplay between event demographics, event dynamics, and event design. Specifically, the report details current understandings about event types, geography, scale, temporality, crowd dynamics, medical support, protective factors, and special hazards. A series of tables are presented to model the different analytic lenses that might be employed in understanding the context of MG events. Interpretation The development of an event model addresses a gap in the current body of knowledge vis a vis understanding and reporting the full scope of the health effects related to MGs. Consistent use of a consensus-based event model will support more rigorous data collection. This in turn will support meta-analysis, create a foundation for risk assessment, allow for the pooling of data for illness and injury prediction, and support methodology for evaluating health promotion, harm reduction, and clinical response interventions at MGs.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».