Importance of Exposure and Health Disaster Research
Notice bibliographique
Résumé
Responses to various disasters including the World Trade Center attack, Great Eastern JapanEarthquake, Gulf Oil Spill, Ebola and Zika outbreaks, Lac-Mégantic rail disaster, and recenthurricanes and wildfires have revealed the dire need for improved ability to perform rapid datacollection and research for such events. In 2013, leaders from NIH, CDC, and HHS, noted that“the knowledge that is generated through well-designed, effectively executed research inanticipation of, in the midst of, and after an emergency is critical to our future capacity to betterachieve the overarching goals of preparedness and response: preventing injury, illness,disability, and death and supporting recovery.” While much has been done to improve the life-saving response for public health emergencies, these events have also revealed notable gaps inour ability to develop, coordinate, and implement needed scientific research in response to adisaster. It took 11 months to begin a longitudinal health study of exposed workers after theGulf Oil spill. Such delays adversely affect the ability to identify participants or gather vitalinformation to determine disaster-related risk factors such as resiliency, health outcomesrelated to exposures or other stressors, or efficacy of various response activities. Critical dataare lost if not collected in a timely, systematic, and scientifically rigorous manner throughcoordinated interdisciplinary efforts with multiple stakeholders, including impactedcommunities. In response, the NIH Disaster Research Response Program was created tofacilitate time critical data collection and research into national response and recovery efforts.Together with Canada and Japan, progress is being made to overcome some of the challengesand advance disaster research capabilities including availability of research protocols, IRBreview processes, coordination among government agencies, and engagement of academic,public health, and community stakeholders.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,081 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,016 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,008 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».