MétaCan
Menu
← Retour à la cohorte
Enregistrement W2552460742 · doi:10.1002/gch2.1011

How many people must die from pandemics before the world learns?

2016· editorial· en· W2552460742 sur OpenAlexaffabout
Steven J. Hoffman

Notice bibliographique

RevueGlobal Challenges · 2016
Typeeditorial
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensMcMaster UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPandemicHistoryPolitical scienceCoronavirus disease 2019 (COVID-19)MedicineDisease

Résumé

récupéré en direct d'OpenAlex

Ebola was a Teachable MomentOn December 29, 2015, when many people were preparing to welcome the New Year of the Gregorian calendar, the World Health Organization (WHO) announced its own cause for celebration: Ebola was gone from Guinea and there had not been a single new case worldwide since November (WHO, 2016a).WHO declared the outbreak had ended in January, after 42 days of zero cases.New isolated cases of Ebola have popped up since then, but everyone agrees the worst is behind us.West Africa's Ebola outbreak was the health news story of 2014 and 2015.Identified in March 2014 and declared an emergency in August 2014, the virus spread quickly in a region that had never before experienced it.The result was harrowing.At least 28,646 people contracted the virus, and 11,323 people died (WHO, 2016c).Even worse is how the outbreak eviscerated the health systems and economies of Guinea, Liberia, and Sierra Leonethree of the world's poorest countrieswhose 22 million people will be affected for decades to come.This Ebola outbreak was a scary drama for people everywhere.I still remember the fear in my compatriots' voices who called in to a Canadian Broadcast Corporation radio programme I was chairing.One man expressed his concern about riding Toronto's subway.A woman revealed her apprehension of associating with African-Canadians.Others predicted doom unless every country immediately closed its borders.Of course these fears were never merited, but the greatest Ebola fear seems to be at the cusp of realization: that we will not learn from this Ebola experience and that we will not address the underlying global institutional failures that allowed it to occur in the first place.What a tragedy it would be if we need a far worse pandemic than Ebola, one that kills many

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)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,007
Communication savante0,0110,027
Science ouverte0,0020,007
Intégrité de la recherche0,0100,020
Charge utile insuffisante (le modèle a refusé de juger)0,0360,018

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 Opus0,031
Tête enseignante GPT0,332
Écart entre enseignants0,301 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations3
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Challenges→Même sujetViral Infections and Outbreaks Research→Travaux en français237 207→