Managing the march of COVID-19: lessons from the HIV and AIDS epidemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Click to increase image sizeClick to decrease image size Additional informationNotes on contributorsAlan WhitesideAlan Whiteside OBE is the chair of Global Health Policy at Balsillie School of International Affairs, Waterloo, Canada, and also professor emeritus at the University of KwaZulu-Natal, South Africa. He wrote his first article on HIV in 1987 and in 1998 established the Health Economics and HIV AIDS Research Division at UKZN. He is the editor-in-chief of the African Journal of AIDS Research. Email: awhiteside@balsillieschool.ca ORCID: https://orcid.org/0000-0003-1157-968XWarren ParkerWarren Parker is an independent public health and communication specialist based in San Diego, USA. He has worked in the HIV field since 1990 and co-founded the Centre for AIDS Development, Research and Evaluation (CADRE) in South Africa in 2000. Email: warrenmparker@mac.com ORCID: https://orcid.org/0000-0003-0765-3613Mike SchrammMike Schramm is managing director of NISC (Pty) Ltd, a South African academic publishing company that produces journals, books and databases that showcase the best of African scholarship. NISC is the publisher of the African Journal of AIDS Research. Email: mike@nisc.co.za ORCID: https://orcid.org/0000-0003-1305-1205
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.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle