Exploring the Social Determinants of Animal Health
Notice bibliographique
Résumé
An understanding of the One Health and EcoHealth concepts by students is dependent on medical pedagogy and veterinary medical pedagogy having similarities that allow a common discourse. Medical pedagogy includes a focus on the social, political, and economic forces that affect human health, while this discourse is largely absent from veterinary medical pedagogy. There is, however, a gradient in health that human and animal populations experience. This health gradient in human populations, which runs from low to high according to the World Health Organization, is largely explained by “the conditions in which people are born, grow, live, work, and age.” 1 , 2 Regarding the human health gradient, other authors have broadened the list of conditions to include access to health care systems used to prevent disease and treat illness, and the distribution of power, money, and resources, which are shaped by social, economic, and political forces. 1 , 2 In human medicine, these conditions are collectively termed the social determinants of health (SDH). Veterinarians who work with the public encounter people and their animals at both the low and the high end of the health gradient. This article explores the concept of the parallel social determinants of animal health (SDAH) using examples within urban, rural, and remote communities in North America as well as abroad. We believe that in order to understand the One Health paradigm it is imperative that veterinary pedagogy include information on, and competence in, SDH and SDAH to ultimately achieve improvements in human, animal, and environmental health and wellbeing.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».