MétaCan
Menu
Retour à la cohorte
Enregistrement W2476112052 · doi:10.1177/0098858816658273

Ebola Again Shows the International Health Regulations Are Broken

2016· article· en· W2476112052 sur OpenAlexaff
Trygve Ottersen, Steven J. Hoffman, Gaëlle Groux

Notice bibliographique

RevueAmerican Journal of Law & Medicine · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Security and Public Health
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésInternational Health RegulationsPandemicPolitical scienceGlobal healthEbola virusCoronavirus disease 2019 (COVID-19)PoliticsZika virusEconomic growthPublic relationsPublic administrationLawMedicineHealth careVirologyOutbreakInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

Epidemics are among the greatest threats to humanity, and the International Health Regulations are the world's key legal instrument for addressing this threat. Since their revision in 2005, the IHR have faced two big tests: the 2009 H1N1 influenza pandemic and the 2014 Ebola epidemic in West Africa. Both exposed major shortcomings of the IHR, and both offered profound lessons for the future. The objective of this Article is twofold. First, we seek to compare the lessons learned from H1N1 and Ebola for reforming the IHR in order to test the hypothesis that they are similar. Second, we seek to examine the barriers to implementing these lessons and to identify strategies for overcoming those barriers. We find that the lessons from H1N1 and Ebola are indeed similar, and that opportunities to act on lessons from H1N1 were woefully missed. We identify many political barriers to global collective action and implementation of lessons for the IHR. On that basis, we describe strategies to overcome these barriers, which will hopefully be deployed now to reform the IHR before the policy window following Ebola closes, and before the inevitable next epidemic comes. The emerging threat of the Zika virus underscores that we have no time to waste.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,021
Communication savante0,0110,015
Science ouverte0,0010,007
Intégrité de la recherche0,0070,015
Charge utile insuffisante (le modèle a refusé de juger)0,0320,006

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 Opus0,032
Tête enseignante GPT0,365
Écart entre enseignants0,333 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Law & MedicineMême sujetGlobal Security and Public HealthTravaux en français237 207