Strengthening the science of addressing antimicrobial resistance: a framework for planning, conducting and disseminating antimicrobial resistance intervention research
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) has the potential to threaten tens of millions of lives and poses major global economic and development challenges. As the AMR threat grows, it is increasingly important to strengthen the scientific evidence base on AMR policy interventions, to learn from existing policies and programmes, and to integrate scientific evidence into the global AMR response.While rigorous evaluations of AMR policy interventions are the ideal, they are far from the current reality. To strengthen this evidence base, we describe a framework for planning, conducting and disseminating research on AMR policy interventions. The framework identifies challenges in AMR research, areas for enhanced coordination and cooperation with decision-makers, and best practices in the design of impact evaluations for AMR policies.This framework offers a path forward, enabling increased local and global cooperation, and overcoming common limitations in existing research on AMR policy interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,229 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,008 |
| Bibliométrie | 0,029 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,019 |
| Communication savante | 0,021 | 0,023 |
| Science ouverte | 0,012 | 0,016 |
| Intégrité de la recherche | 0,021 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».