MétaCan
Menu
Retour à la cohorte
Enregistrement W2987261552 · doi:10.1177/0840470419867347

Rethinking pandemic preparedness in the Anthropocene

2019· article· en· W2987261552 sur OpenAlexaff
Craig Stephen

Notice bibliographique

RevueHealthcare Management Forum · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAnthropocenePandemicSurprisePreparednessAgency (philosophy)HazardEnvironmental planningEnvironmental resource managementCoronavirus disease 2019 (COVID-19)Environmental ethicsPublic relationsPolitical scienceSociologyGeographyInfectious disease (medical specialty)MedicineEcologyBiologyDiseaseSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The social and ecological changes accompanying the Anthropocene require changes in how pandemics are anticipated, conceived, and managed. Pandemics need to be reframed from infections we can predict to inevitable infectious and non-communicable surprises with which we need to cope. A hazard-by-hazard approach to planning and response is insufficient when the next pandemic cannot be predicted. Decision-making will benefit from scoping the problem broadly to generate deeper insights into potential threats. The origins of pandemics come from our relationships with the world around us. Health leaders, therefore, need to be aware of primordial determinants of risk arising from these changing relationships. Cross-sectoral co-learning to anticipate surprise will require bridging agents embedded within a health agency to facilitate transdisciplinary intelligence gathering. A unified set of guidelines is needed to promote pandemic resilience by collaboratively tending to the determinants of health for each other, our communities, and the natural environment.

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)0,035
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0120,027
Communication savante0,0140,019
Science ouverte0,0030,022
Intégrité de la recherche0,0090,014
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,054
Tête enseignante GPT0,330
Écart entre enseignants0,276 · 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'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetClimate Change and Health ImpactsTravaux en français237 207