MétaCan
Menu
Retour à la cohorte
Enregistrement W3016028913 · doi:10.1186/s13017-020-00304-5

COVID-19 the showdown for mass casualty preparedness and management: the Cassandra Syndrome

2020· article· en· W3016028913 sur OpenAlexaff
Federico Coccolini, Massimo Sartelli, Yoram Kluger, Emmanouil Pikoulis, Evika Karamagioli, Ernest E. Moore, Walter L. Biffl, Andrew B. Peitzman, Andreas Hecker, Mircea Chirica, Dimitrios Damaskos, Carlos A. Ordóñez, Felipe Vega, Gustavo Pereira Fraga, Massimo Chiarugi, Salomone Di Saverio, Andrew W. Kirkpatrick, Fikri M. Abu‐Zidan, Alain Chicom Mefire, Ari Leppäniemi, Vladimir Khokha, Boris Sakakushev, Rodolfo Catena, Raúl Coimbra, Luca Ansaloni, Davide Corbella, Fausto Catena

Notice bibliographique

RevueWorld Journal of Emergency Surgery · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensFoothills Medical Centre
Organismes subventionnairesnon disponible
Mots-clésPreparednessCoronavirus disease 2019 (COVID-19)Mass-casualty incidentEmergency managementMass CasualtyDisaster planningSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakAction (physics)Medical emergencyMedicineOutbreakBusinessOperations managementPolitical sciencePoison controlSuicide preventionInfectious disease (medical specialty)VirologyEngineering

Résumé

récupéré en direct d'OpenAlex

Since December 2019, the world is potentially facing one of the most difficult infectious situations of the last decades. COVID-19 epidemic warrants consideration as a mass casualty incident (MCI) of the highest nature. An optimal MCI/disaster management should consider all four phases of the so-called disaster cycle: mitigation, planning, response, and recovery. COVID-19 outbreak has demonstrated the worldwide unpreparedness to face a global MCI.This present paper thus represents a call for action to solicitate governments and the Global Community to actively start effective plans to promote and improve MCI management preparedness in general, and with an obvious current focus on COVID-19.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,190
Tête enseignante GPT0,428
Écart entre enseignants0,238 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations88
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Emergency SurgeryMême sujetDisaster Response and ManagementTravaux en français237 207