Justice Is the Missing Link in One Health: Results of a Mixed Methods Study in an Urban City State
Notice bibliographique
Résumé
BACKGROUND: One Health (OH) is an interdisciplinary collaborative approach to human and animal health that aims to break down conventional research and policy 'silos'. OH has been used to develop strategies for zoonotic Emerging Infectious Diseases (EID). However, the ethical case for OH as an alternative to more traditional public health approaches is largely absent from the discourse. To study the ethics of OH, we examined perceptions of the human health and ecological priorities for the management of zoonotic EID in the Southeast Asia country of Singapore. METHODS: We conducted a mixed methods study using a modified Delphi technique with a panel of 32 opinion leaders and 11 semi-structured interviews with a sub-set of those experts in Singapore. Panellists rated concepts of OH and priorities for zoonotic EID preparedness planning using a series of scenarios developed through the study. Interview data were examined qualitatively using thematic analysis. FINDINGS: We found that panellists agreed that OH is a cross-disciplinary collaboration among the veterinary, medical, and ecological sciences, as well as relevant government agencies encompassing animal, human, and environmental health. Although human health was often framed as the most important priority in zoonotic EID planning, our qualitative analysis suggested that consideration of non-human animal health and welfare was also important for an effective and ethical response. The panellists also suggested that effective pandemic planning demands regional leadership and investment from wealthier countries to better enable international cooperation. CONCLUSION: We argue that EID planning under an OH approach would benefit greatly from an ethical ecological framework that accounts for justice in human, animal, and environmental health.
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 | 0,027 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».