MétaCan
Menu
Retour à la cohorte
Enregistrement W2776521282 · doi:10.1371/journal.pone.0190049

Criteria for the prioritization of public health interventions for climate-sensitive vector-borne diseases in Quebec

2017· article· en· W2776521282 sur OpenAlexafffundabout
Valérie Hongoh, Pierre Gosselin, Pascal Michel, André Ravel, Jean‐Philippe Waaub, Céline Campagna, Karim Samoura

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensPolytechnique MontréalGroup for Research in Decision AnalysisUniversité du Québec à MontréalCegep de Saint HyacintheHEC MontréalPublic Health Agency of CanadaOuranosInstitut National de Santé Publique du QuébecUniversité LavalUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaInternational Development Research CentrePublic Health AgencyPublic Health Agency of Canada
Mots-clésPrioritizationStakeholderContext (archaeology)Public healthWeightingPsychological interventionEnvironmental resource managementEnvironmental healthRisk analysis (engineering)MedicineEnvironmental planningBusinessGeographyProcess managementPolitical sciencePublic relationsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Prioritizing resources for optimal responses to an ever growing list of existing and emerging infectious diseases represents an important challenge to public health. In the context of climate change, there is increasing anticipated variability in the occurrence of infectious diseases, notably climate-sensitive vector-borne diseases. An essential step in prioritizing efforts is to identify what considerations and concerns to take into account to guide decisions and thus set disease priorities. This study was designed to perform a comprehensive review of criteria for vector-borne disease prioritization, assess their applicability in a context of climate change with a diverse cross-section of stakeholders in order to produce a baseline list of considerations to use in this decision-making context. Differences in stakeholder choices were examined with regards to prioritization of these criteria for research, surveillance and disease prevention and control objectives. A preliminary list of criteria was identified following a review of the literature. Discussions with stakeholders were held to consolidate and validate this list of criteria and examine their effects on disease prioritization. After this validation phase, a total of 21 criteria were retained. A pilot vector-borne disease prioritization exercise was conducted using PROMETHEE to examine the effects of the retained criteria on prioritization in different intervention domains. Overall, concerns expressed by stakeholders for prioritization were well aligned with categories of criteria identified in previous prioritization studies. Weighting by category was consistent between stakeholders overall, though some significant differences were found between public health and non-public health stakeholders. From this exercise, a general model for climate-sensitive vector-borne disease prioritization has been developed that can be used as a starting point for further public health prioritization exercises relating to research, surveillance, and prevention and control interventions in a context of climate change. Multi-stakeholder engagement in prioritization can help broaden the range of criteria taken into account, offer opportunities for early identification of potential challenges and may facilitate acceptability of any resulting decisions.

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)0,036
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,523

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,054
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0100,009
Études des sciences et des technologies0,0040,001
Communication savante0,0060,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,397
Écart entre enseignants0,223 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations15
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetZoonotic diseases and public healthTravaux en français237 207