Producing Interdisciplinary Competent Professionals: Integrating One Health Core Competencies into the Veterinary Curriculum at the University of Rwanda
Notice bibliographique
Résumé
Infectious diseases of grave concern to human health are emerging from wildlife and livestock populations in multiple regions of the world. Responding effectively to these emerging pandemics requires engagement of multidisciplinary groups of professionals. Using a One Health approach, One Health Central and Eastern Africa (OHCEA), a network of seven schools of public health and seven veterinary schools, with the support of the United States Agency for International Development (USAID), has engaged in curriculum review with the aim of building the skills of multidisciplinary groups of professionals to improve their capacity to respond to emerging infectious diseases. Through stakeholder analysis and curriculum development workshops, the University of Rwanda's School of Veterinary Medicine, in association with Tufts University, revised its curriculum to incorporate One Health competencies to be better prepared to respond to any infectious disease outbreak in Africa. The revised curriculum aimed to build cross-sectoral skills and knowledge; transform students' ways of thinking about infectious disease outbreak response; link human, veterinary, and wildlife health training opportunities; and strengthen community frontline responder training. Eight different disciplines engaged in the curriculum review process: Veterinary Medicine, Livestock Production, Wildlife and Aquatic Resources, Environmental Health and Epidemiology, Communication Technology, Engineering, Agriculture, and Public Health. One Health competencies such as communication, collaboration, leadership, and advocacy were added to the new curriculum, helping ensure that each professional be appropriately equipped with skills to recognize and respond effectively to any emerging infections.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».