Notice bibliographique
Résumé
The intensity of the COVID-19 pandemic has tested the mettle of political, healthcare and public health leaders over the past year. Amid the unfolding events, healthcare leaders, including many nurses, have been pivoting, innovating, collaborating, safeguarding, inspiring and navigating - all the while informing the creation of an effective playbook to wage a counterassault for all of us. Despite all efforts, this previously unseen opponent has been unrelenting. Having been in the eye of the storm during the severe acute respiratory syndrome (SARS) outbreak, my memories of the events remain vivid. It was a time rife with uncertainty and fear, forcing the creation of a playbook on the basis of the best evidence and common sense but without the benefit of a precedent. Over the course of several months, our leadership was challenged by efforts to contain the virus and mitigate the very real possibility of a globally emerging pandemic. However, SARS was but a microcosm of the present situation. The COVID-19 pandemic is not like any other crisis we have experienced in our collective lifetime. We can only imagine the toll of this pandemic when it is finally over. It will be measured in terms of post-pandemic posttraumatic stress disorder, deaths from COVID-19 and delayed care, and deaths by suicide among healthcare workers and citizens; in the end, it will not be trivial. Those contributing to the COVID-19 playbook have given their all, and we should be eternally grateful to every single one of them.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,285 | 0,114 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».