MétaCan
Menu
Retour à la cohorte
Enregistrement W2768029711 · doi:10.1183/13993003.01632-2017

Digital health to end tuberculosis in the Sustainable Development Goals era: achievements, evidence and future perspectives

2017· editorial· en· W2768029711 sur OpenAlexaboutno aff
Dennis Falzon, Giovanni Battista Migliori, Ernesto Jaramillo, Karin Weyer, Guy Joos, Mario Raviǵlione

Notice bibliographique

RevueEuropean Respiratory Journal · 2017
Typeeditorial
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Human Resource DevelopmentWorld Health OrganizationUniversity of California, San DiegoUniversità degli Studi di SassariEuropean Respiratory SocietyUnited States Agency for International Development
Mots-clésPovertySustainable developmentMedicineEconomic growthAction planGlobal healthAccountabilityMillennium Development GoalsPublic healthTransparency (behavior)Health carePolitical sciencePublic relationsPublic administrationManagementNursingEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Until 2015, the United Nations Millennium Development Goals provided a framework for countries to work towards targets aimed at improving health. Major progress was achieved globally as a result of this drive. Important challenges, however, persist for both communicable ( e.g. tuberculosis (TB) and HIV) and noncommunicable ( e.g. tobacco use) health problems. The Sustainable Development Goals (SDGs), which now guide the global development agenda until 2030, approach these health problems more holistically [1]. The “integrated and indivisible” nature of the SDGs requires action across all layers of society. To achieve the health-specific Goal 3 (“Ensure healthy lives and promote well-being for all at all ages”), countries also need to act on the other 16 SDGs, such as poverty (Goal 1), malnutrition (Goal 2), gender-associated inequalities (Goal 5), investment in information and communications technology and in research by the public and private sectors (Goal 9), transparency, accountability and nondiscriminatory laws (Goal 16), and cross-sectoral collaboration and partnerships (Goal 17). Use of digital technologies to support TB care and prevention can be a model for broader action to achieve the SDGs The authors acknowledge the contribution to the arguments presented in this article of the Global Task Force on digital health for TB , chaired by Giovanni Battista Migliori (WHO Collaborating Centre for TB and Lung Diseases, Maugeri Care and Research Institute, Tradate, Italy), and composed of Andrei Dadu (WHO Regional Office for Europe, Copenhagen, Denmark), Claudia Denkinger (FIND, Geneva, Switzerland), Luis Gustavo do Valle Bastos (Global Drug Facility, Geneva, Switzerland), Richard Garfein (University of California San Diego, San Diego, CA, USA), Richard Lester (University of British Columbia, Vancouver, Canada), Kirankumar Rade (Revised National TB Control Programme, New Delhi, India), Lal Sadasivan (PATH, Washington, DC, USA), Kaiser Shen (USAID, Washington, DC, USA), Alena Skrahina (National TB Programme, Minsk, Belarus), Giovanni Sotgiu (University of Sassari, Sassari, Italy), Alistair Story (Find & Treat, London, UK), Khin Swe Win (Myanmar Medical Association, Yangon, Myanmar), Zelalem Temesgen (Mayo Clinic, Rochester, MN, USA), Bruce V. Thomas (The Arcady Group, Richmond, VA, USA), Kristian van Kalmthout (KNCV Tuberculosis Foundation, The Hague, The Netherlands), Arne von Delft (TB PROOF, Cape Town, South Africa) and Mohammed Yassin (Global Fund to Fight AIDS, TB and Malaria, Geneva, Switzerland). This editorial also draws on some of the discussions at a WHO/ERS consulation held in February 2017 \[18\] (figure 1).

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)0,026
score de la tête « metaresearch » (Gemma)0,060
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: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,060
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,005
Communication savante0,0110,014
Science ouverte0,0020,006
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0240,003

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 Opus0,041
Tête enseignante GPT0,403
Écart entre enseignants0,363 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Respiratory JournalMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207