MétaCan
Menu
Retour à la cohorte
Enregistrement W4206439471 · doi:10.1186/s42522-021-00059-2

An environmental scan of one health preparedness and response: the case of the Covid-19 pandemic in Rwanda

2022· article· en· W4206439471 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueOne Health Outlook · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensYork UniversityUniversité de MontréalCegep de Saint HyacintheUniversity of OttawaUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPreparednessPandemicGovernment (linguistics)Multidisciplinary approachOutbreakDisease surveillanceWorkforcePolitical scienceThematic analysisGeographyInfectious disease (medical specialty)Public healthMedicineEnvironmental healthEconomic growthCoronavirus disease 2019 (COVID-19)DiseaseSociologyNursingVirologyQualitative researchSocial sciencePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over the past decade, 70% of new and re-emerging infectious disease outbreaks in East Africa have originated from the Congo Basin where Rwanda is located. To respond to these increasing risks of disastrous outbreaks, the government began integrating One Health (OH) into its infectious disease response systems in 2011 to strengthen its preparedness and contain outbreaks. The strong performance of Rwanda in responding to the on-going COVID-19 pandemic makes it an excellent example to understand how the structure and principles of OH were applied during this unprecedented situation. METHODS: A rapid environmental scan of published and grey literature was conducted between August and December 2020, to assess Rwanda's OH structure and its response to the COVID-19 pandemic. In total, 132 documents including official government documents, published research, newspaper articles, and policies were analysed using thematic analysis. RESULTS: Rwanda's OH structure consists of multidisciplinary teams from sectors responsible for human, animal, and environmental health. The country has developed OH strategic plans and policies outlining its response to zoonotic infections, integrated OH into university curricula to develop a OH workforce, developed multidisciplinary rapid response teams, and created decentralized laboratories in the animal and human health sectors to strengthen surveillance. To address COVID-19, the country created a preparedness and response plan before its onset, and a multisectoral joint task force was set up to coordinate the response to the pandemic. By leveraging its OH structure, Rwanda was able to rapidly implement a OH-informed response to COVID-19. CONCLUSION: Rwanda's integration of OH into its response systems to infectious diseases and to COVID-19 demonstrates the importance of applying OH principles into the governance of infectious diseases at all levels. Rwanda exemplifies how preparedness and response to outbreaks and pandemics can be strengthened through multisectoral collaboration mechanisms. We do expect limitations in our findings due to the rapid nature of our environmental scan meant to inform the COVID-19 policy response and would encourage a full situational analysis of OH in Rwanda's Coronavirus response.

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.

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)0,005
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,363
Écart entre enseignants0,311 · 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