MétaCan
Menu
Retour à la cohorte
Enregistrement W2806296929 · doi:10.1371/journal.pntd.0006426

Ensuring no one is left behind: Urgent action required to address implementation challenges for NTD control and elimination

2018· article· en· W2806296929 sur OpenAlexaff
Alison Krentel, Margaret Gyapong, Olumide Ogundahunsi, Mary Amuyunzu‐Nyamongo, Deborah A. McFarland

Notice bibliographique

RevuePLoS neglected tropical diseases · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac pacing and defibrillation studies
Établissements canadiensBruyère
Organismes subventionnairesWorld Health Organization
Mots-clésAction (physics)MedicineIntensive care medicinePhysics

Résumé

récupéré en direct d'OpenAlex

Since the ambitious goals to eliminate and control neglected tropical diseases (NTDs) were launched, the crucial role of partnerships has been emphasized as a pathway to ensure success.With multiple drug donations, we have a good supply of medicines necessary to eliminate parasites from the body; with donors, key funding for research and implementation; with researchers, the capability to create the evidence base for recommendations; with nongovernmental development organizations (NGDOs), support for implementation; and with national programs, the willingness and impetus to accomplish these ambitious goals.A country's health system is almost always invoked as crucial to NTD implementation, with the claim that NTD programs contribute to the strengthening of health systems.Key partners, often missing at the table, are the endemic communities themselves.Yet we acknowledge that both communities and local health systems are the "backbone" of our programs.Some key implementation questions frequently arise in NTD programs: sustaining the motivation of community drug distributors, appropriateness of timing of mass drug administration (MDA) activities, the coverage-compliance gap [1], social mobilization, human resource constraints in low-and middle-income countries, inefficient or weak health systems, multiple reporting requirements and different funding cycles from donors, and many more (see Fig 1).While these issues continue to plague our NTD community, we have not committed the necessary levels of research funds, expertise, or priority to adequately answer these questions.Often termed "social science questions," these questions have been relegated to a category of research that is too difficult to conduct, too time-consuming, too costly, and seemingly less important than studies of drug efficacy or of the sensitivity of diagnostic tools.We argue that it is time to bring these issues to the table and give them the attention they merit.We propose five principle areas for consideration by the NTD community.First, let's rephrase these "social science" issues as implementation challenges that can be addressed by social science as well as epidemiological and other implementation research methods.Many disciplines such as anthropology, psychology, sociology, behavioral science, health economics, health services research, and other public health disciplines have the methods and tools to respond to these questions, which until now have been lumped together as "social science" questions.We need to acknowledge the strengths that each of these academic traditions can bring to our understanding of NTD elimination and control.In addition, we need to ensure that the program implementers rather than the researchers are in the driver's seat in the identification of the programmatic challenges and are valued

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)0,054
score de la tête « metaresearch » (Gemma)0,106
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,285

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,106
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,007
Communication savante0,0140,021
Science ouverte0,0070,016
Intégrité de la recherche0,0210,025
Charge utile insuffisante (le modèle a refusé de juger)0,0270,004

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 Opus0,072
Tête enseignante GPT0,350
Écart entre enseignants0,278 · 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
GenreCommentaire

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

En bref

Citations24
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revuePLoS neglected tropical diseasesMême sujetCardiac pacing and defibrillation studiesTravaux en français237 207