MétaCan
Menu
Retour à la cohorte
Enregistrement W4210263442 · doi:10.2196/36485

Role of Rapid Response Teams in Response to Outbreaks in Yemen, 2020: Descriptive Study

2022· article· en· W4210263442 sur OpenAlexvenueno aff
Abdulqawi Mohammed Qaserah, Labiba Anam, Reema Alyosfi

Notice bibliographique

RevueIproceedings · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePublic healthMeaslesOutbreakPublic health surveillanceEnvironmental healthDiphtheriaPopulationRapid response teamChristian ministryFamily medicineMedical emergencyVaccinationNursingVirology

Résumé

récupéré en direct d'OpenAlex

Background Yemen has been increasingly reporting public health emergencies (eg, cholera). The Ministry of Public Health and Population (MoPH&P) has put in place the Rapid Response Teams (RRTs) mechanism from the national to district level to investigate and initiate the response to public health emergencies. An RRT is a technical, multidisciplinary team that is readily available for quick mobilization and deployment in case of emergencies. Objective The aim of this analysis was to summarize the role of RRTs in response to outbreaks in Yemen during 2020. Methods Data were obtained from the electronic Diseases Early Warning System (eDEWS) in Excel format covering the period from January to December 2020, including governorates, diseases, and other variables. Data were cleaned and analyzed using Excel 2013. Qualitative data are summarized as percentages. Data are presented using tables, graphs, and maps. Results A total of 39,451 field descents were performed. Nearly half of the activities (n=18,565, 47.06%) were for outbreak investigation of various infectious diseases, including cholera (n=9030), severe acute respiratory infection (n=1949), diphtheria (n=1532), measles (n=1328), malaria (n=1012), dengue fever (n=1008), pertussis (n=803), mumps (n=676), chickenpox (n=583), acute flaccid paralysis (n=482), and meningitis (n=162). Approximately 1747 (4.43%) supervision visits were implemented. Regarding health education, 19,139 (48.51%) health education sessions were executed, with 3419 (17.86%) performed at health facilities and 15,720 (82.14%) performed outside health facilities (eg, schools and outdoors). A total of 559,805 people attended the health education sessions. Conclusions RRTs support the MoPH&P in reducing or “slowing down” disease transmission as quickly as possible through various activities such as outbreak investigations and health education. Therefore, there is a strong need to continue supporting the RRTs financially and logistically by donors. In addition, governmental financial support to the RRTs is highly recommended to ensure the sustainability of the program.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,313
Écart entre enseignants0,295 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIproceedingsMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207