Checklist for One Health Epidemiological Reporting of Evidence (COHERE)
Notice bibliographique
Résumé
One Health is defined as the intersection and integration of knowledge regarding humans, animals, and the environment, yet as the One Health scientific literature expands, there is considerable heterogeneity of approach and quality of reporting in One Health studies. In addition, many researchers who publish such studies do not include or integrate data from all three domains of human, animal, and environmental health. This points to a critical need to unify guidelines for One Health studies. This report details the Checklist for One Health Epidemiological Reporting of Evidence (COHERE) to guide the design and publication format of future One Health studies. COHERE was developed by a core writing team and international expert review group that represents multiple disciplines, including human medicine, veterinary medicine, public health, allied professionals, clinical laboratory science, epidemiology, the social sciences, ecohealth and environmental health. The twin aims of the COHERE standards are to 1) improve the quality of reporting of observational or interventional epidemiological studies that collect and integrate data from humans, animals and/or vectors, and their environments; and 2) promote the concept that One Health studies should integrate knowledge from these three domains. The 19 standards in the COHERE checklist address descriptions of human populations, animal populations, environmental assessment, spatial and temporal relationships of data from the three domains, integration of analyses and interpretation, and inclusion of expertise in the research team from disciplines related to human health, animal health, 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 | 0,440 | 0,732 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,007 |
| Méta-épidémiologie (sens large) | 0,009 | 0,017 |
| Bibliométrie | 0,037 | 0,025 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,017 | 0,012 |
| Science ouverte | 0,013 | 0,016 |
| Intégrité de la recherche | 0,020 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».