10 The Impact of Global Disasters on Our Pets: Lessons from COVID-19
Notice bibliographique
Résumé
Abstract The coronavirus (COVID-19) pandemic provided a unique insight into the impacts of global disasters on pet ownership and companion animal services. This talk will review research on the impacts of various stages of the pandemic on the human-animal relationship, surprising increases in the adoption of pets from animal shelters around the world, and the potential reasons for those increases. I will also present new research on the impact of the pandemic on pet support services within the city of Vancouver, Canada, that will highlight the complex relationships between vulnerable human populations, the city’s response to the pandemic, and pet care. Finally, the COVID-19 pandemic, and its associated economic impact, have completely re-shaped the field of animal sheltering and companion animal support services. In addition to being recognized as an essential service, animal shelter and veterinary staff were confronted with the need to identify only necessary operations to ensure care of animals and their communities without the risk of contracting and transmitting the virus. As a result, emergent animal sheltering trends now emphasize community-based approaches, abolishing harmful discriminative practices, and aiming to keep pets and their original owners together – all from the framework of One Health/ One Welfare. As global disasters are projected to increase in frequency due to climate change, a better understanding of impacts on the human-animal bond and support services will ensure that we can be better prepared for 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».