MétaCan
Menu
Retour à la cohorte
Enregistrement W3001537798 · doi:10.1007/s10728-019-00389-3

Exploring Models for an International Legal Agreement on the Global Antimicrobial Commons: Lessons from Climate Agreements

2020· article· en· W3001537798 sur OpenAlexafffund
Susan Rogers Van Katwyk, Alberto Giubilini, Claas Kirchhelle, Isaac Weldon, Mark Harrison, Angela R. McLean, Julian Savulescu, Steven J. Hoffman

Notice bibliographique

RevueHealth Care Analysis · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensMcMaster UniversityImpactOttawa Public HealthCentre for Global Health ResearchYork UniversityUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchNorges ForskningsrådSocial Sciences and Humanities Research Council of CanadaWellcome Trust
Mots-clésCommonsPolitical scienceInternational communityCorporate governancePhilosophy of medicineCollective actionGlobal commonsPoliticsInternational lawHealth informaticsLaw and economicsLawSociologyBusinessMedicineHealth careBiologyEcology

Résumé

récupéré en direct d'OpenAlex

An international legal agreement governing the global antimicrobial commons would represent the strongest commitment mechanism for achieving collective action on antimicrobial resistance (AMR). Since AMR has important similarities to climate change-both are common pool resource challenges that require massive, long-term political commitments-the first article in this special issue draws lessons from various climate agreements that could be applicable for developing a grand bargain on AMR. We consider the similarities and differences between the Paris Climate Agreement and current governance structures for AMR, and identify the merits and challenges associated with different international forums for developing a long-term international agreement on AMR. To be effective, fair, and feasible, an enduring legal agreement on AMR will require a combination of universal, differentiated, and individualized requirements, nationally determined contributions that are regularly reviewed and ratcheted up in level of ambition, a regular independent scientific stocktake to support evidence informed policymaking, and a concrete global goal to rally support.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,350
Écart entre enseignants0,200 · 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 tête enseignante, 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
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

Citations52
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Care AnalysisMême sujetAntibiotic Use and ResistanceTravaux en français237 207