The Great East Japan Earthquake, Tsunamis, and Fukushima Daiichi Nuclear Power Plant Disaster: Lessons for Evidence Integration from a WADEM 2017 Presentation and Panel Discussion
Notice bibliographique
Résumé
In April 2017, some of the health impacts of the 2011 Great East Japan Earthquake, tsunamis, and resultant Fukushima Daiichi nuclear power plant disaster (Okuma, Fukushima Prefecture, Japan) were presented at the 19th Congress of the World Association for Disaster and Emergency Medicine (WADEM; Madison, Wisconsin USA) in Toronto, Canada. A panel discussion was then opened by asking audience members about their experiences in their own countries, and how they would suggest taking steps to reach the goals of the Sendai Framework for Disaster Risk Reduction 2015-2030. This paper summarizes the presentation and panel discussion, with a particular focus on the common problems identified in understanding and reducing health risks from disasters in multiple countries, such as the ethical and practical difficulties in decision making on evacuating vulnerable populations that arose similarly during the Fukushima nuclear disaster in 2011 and Hurricane Ike's approach to Galveston (Texas USA) in 2008. This paper also highlights the need for greater integration of research, for example through increased review and collation of evidence from different disaster settings to identify common problems and possible solutions, which was identified in this panel session as a precursor to fulfilling the goals of the Sendai Framework.Leppold C, Ochi S, Nomura S, Murray V. The Great East Japan Earthquake, tsunamis, and Fukushima Daiichi nuclear power plant disaster: lessons for evidence integration from a WADEM 2017 presentation and panel discussion. Prehosp Disaster Med. 2018;33(4):424-427.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».