One health—Transdisciplinary opportunities for SETAC leadership in integrating and improving the health of people, animals, and the environment
Notice bibliographique
Résumé
One Health is a collaborative, transdisciplinary effort working locally, nationally, and globally to improve health for people, animals, plants, and the environment. The term is relatively new (from ∼2003), and it is increasingly common to see One Health included by name in interinstitutional research partnerships, conferences, communications, and organizational frameworks, particularly those championed by the human health and veterinary medical communities. Environmental quality is arguably the least developed component within the One Health framework, but can be guided by expertise within the Society of Environmental Toxicology and Chemistry (SETAC). Despite SETAC's long history of tripartite (academic, government, business) interdisciplinary environmental science activities, the term "One Health" is seldom used in SETAC communications (i.e., many of SETAC's activities are guided by One Health, but it is called by other names in SETAC's journals, newsletters, and presentations). Accordingly, the objective of this Focus article is to introduce the One Health concept to the SETAC membership. The article discusses the origins, evolution, and utility of the One Health approach as an organizational framework and provides key examples of ways in which SETAC expertise can benefit the One Health community. The authors assert that One Health needs SETAC and, to be most effective, SETAC needs One Health. Given that One Health to date has focused too little on the environment, on ecosystems, and on contaminants, SETAC's constructive involvement in One Health presents an opportunity to accelerate actions that will ultimately better protect human and ecosystem health. Environ Toxicol Chem 2016;35:2383-2391. © 2016 SETAC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».