MétaCan
Menu
Retour à la cohorte
Enregistrement W3021107949 · doi:10.1177/0840470420921542

Mexico: Lessons learned from the 2009 pandemic that help us fight COVID-19

2020· article· en· W3021107949 sur OpenAlexaboutno aff
Mauricio Hernández‐Ávila, Celia Alpuche‐Aranda

Notice bibliographique

RevueHealthcare Management Forum · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreparednessPandemicTransparency (behavior)Public healthCoronavirus disease 2019 (COVID-19)Political scienceBusinessEconomic growthPublic relationsPublic administrationMedicineInfectious disease (medical specialty)NursingDiseaseEconomics

Résumé

récupéré en direct d'OpenAlex

In April 2009, Mexican, American, and Canadian authorities announced a novel influenza that became the first pandemic of the century. We report on lessons learned in Mexico. The Mexican Pandemic Influenza Preparedness and Response Plan, developed and implemented since 2005, was a decisive element for the early response. Major lessons-learned were the need for flexible plans that consider different scenarios; the need to continuously strengthen routine surveillance programs and laboratory capacity and strengthen coordination between epidemiological departments, clinicians, and laboratories; maintain strategic stockpiles; establish a fund for public health emergencies; and collaboration among neighboring countries. Mexico responded with immediate reporting and transparency, implemented aggressive control measures and generous sharing of data and samples. Lessons learned induced changes leading to a better response to public health critical events.

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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil0,829

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,346
Tête enseignante GPT0,451
Écart entre enseignants0,105 · 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
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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetInfluenza Virus Research StudiesTravaux en français237 207