MétaCan
Menu
Retour à la cohorte
Enregistrement W3126823409 · doi:10.1177/0020702020985227

Building a better global health security early-warning system post-COVID: The view from Canada

2021· article· en· W3126823409 sur OpenAlexaffabout
Wesley K. Wark

Notice bibliographique

RevueInternational Journal Canada s Journal of Global Policy Analysis · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensCentre for International Governance Innovation
Organismes subventionnairesnon disponible
Mots-clésOutbreakPandemicWarning systemPublic healthGlobal healthChinaInternational Health RegulationsMiddle East respiratory syndromeEconomic growthPolitical scienceCoronavirus disease 2019 (COVID-19)Development economicsInfectious disease (medical specialty)DiseaseMedicineEconomicsVirologyTelecommunicationsEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

In the years following the Severe Acute Respiratory Syndrome (SARS) outbreak in 2002–2003, the World Health Organization (WHO) created a new system for global disease outbreak surveillance. The system relied on timely reporting by nation-states and gave the WHO a leading role in the global response. It also recognized the value of a multiplicity of sources of information, including from open-source media scanning. The post-SARS system faced its most significant task with the outbreak of the COVID-19 pandemic in the People’s Republic of China and its rapid spread in 2020. The WHO architecture for early warning of disease outbreaks arguably failed and gives rise to questions about how the international community can better respond to pandemic threats in future. This article explores the inter-connectedness of Canada’s system for global health surveillance, featuring the work of the Global Public Health Intelligence Network and that of the WHO, and argues that, while Canada has positioned itself as a global leader, much work needs to be done in Canada, and globally, if the concept of collective health security and shared early warning is to be maintained in the future.

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)0,015
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,985

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0170,013
Communication savante0,0170,008
Science ouverte0,0040,007
Intégrité de la recherche0,0050,010
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,007
Tête enseignante GPT0,314
Écart entre enseignants0,307 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal Canada s Journal of Global Policy AnalysisMême sujetData-Driven Disease SurveillanceTravaux en français237 207