Drivers of earlier infectious disease outbreak detection: a systematic literature review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The early detection of infectious disease outbreaks can reduce the ultimate size of the outbreak, with lower overall morbidity and mortality due to the disease. Numerous approaches to the earlier detection of outbreaks exist, and methods have been developed to measure progress on timeliness. Understanding why these surveillance approaches work and do not work will elucidate key drivers of early detection, and could guide interventions to achieve earlier detection. Without clarity about the conditions necessary for earlier detection and the factors influencing these, attempts to improve surveillance will be ad hoc and unsystematic. METHODS: A systematic review was conducted using the PRISMA framework (Preferred Reporting Items for Systematic Reviews and Meta-analyses) to identify research published between January 1, 1990 and December 31, 2015 in the English language. The MEDLINE (PubMed) database was searched. Influencing factors were organized according to a generic five-step infectious disease detection model. RESULTS: Five studies were identified and included in the review. These studies evaluated the effect of electronic-based reporting on detection timeliness, impact of laboratory agreements on timeliness, and barriers to notification by general practitioners. Findings were categorized as conditions necessary for earlier detection and factors that influence whether or not these conditions can be in place, and were organized according to the detection model. There is some evidence on reporting, no evidence on assessment, and speculation about local level recognition. CONCLUSION: Despite significant investment in early outbreak detection, there is very little evidence with respect to factors that influence earlier detection. More research is needed to guide intervention planning.
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.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle