MétaCan
Menu
Retour à la cohorte
Enregistrement W2800308041 · doi:10.1186/s13031-018-0159-8

Setting priorities for humanitarian water, sanitation and hygiene research: a meeting report

2018· article· en· W2800308041 sur OpenAlexaff
Lauren D’Mello-Guyett, Travis Yates, Andy Bastable, Maysoon Dahab, Claudio Deola, Caetano C. Dorea, Robert Dreibelbis, Timothy Grieve, Thomas Handzel, Anne Harmer, Daniele Lantagne, Peter Maes, Melissa C. Opryszko, Sarah Palmer-Felgate, Brian Reed, Rafaël Van den Bergh, Dominique Porteaud, Oliver Cumming

Notice bibliographique

RevueConflict and Health · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Victoria
Organismes subventionnairesDepartment for International DevelopmentWellcome Trust
Mots-clésSanitationHygienePsychological interventionHealth services researchPublic healthHumanitarian aidMedicinePublic relationsPolitical scienceEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

Recent systematic reviews have highlighted a paucity of rigorous evidence to guide water, sanitation and hygiene (WASH) interventions in humanitarian crises. In June 2017, the Research for Health in Humanitarian Crises (R2HC) programme of Elrha, convened a meeting of representatives from international response agencies, research institutions and donor organisations active in the field of humanitarian WASH to identify research priorities, discuss challenges conducting research and to establish next steps. Topics including cholera transmission, menstrual hygiene management, and acute undernutrition were identified as research priorities. Several international response agencies have existing research programmes; however, a more cohesive and coordinated effort in the WASH sector would likely advance this field of research. This report shares the conclusions of that meeting and proposes a research agenda with the aim of strengthening humanitarian WASH policy and practice.

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)0,298
score de la tête « metaresearch » (Gemma)0,258
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil0,866

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2980,258
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0120,010
Études des sciences et des technologies0,0040,002
Communication savante0,0160,019
Science ouverte0,0040,017
Intégrité de la recherche0,0090,010
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,186
Tête enseignante GPT0,440
Écart entre enseignants0,254 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConflict and HealthMême sujetChild Nutrition and Water AccessTravaux en français237 207