MétaCan
Menu
Retour à la cohorte
Enregistrement W4210605126 · doi:10.2196/36458

Surveillance Evaluation for Severe Acute Respiratory Infection, Sana'a city, Yemen, 2021

2022· article· en· W4210605126 sur OpenAlexvenueno aff
Manal Abdo Mahsoon, Mohammed Al Amad

Notice bibliographique

RevueIproceedings · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGuidelineHealth surveillanceRanking (information retrieval)Environmental healthMedical emergencyComputer science

Résumé

récupéré en direct d'OpenAlex

Background Due to the war and limited access to health facilities, the surveillance of severe acute respiratory infection (SARI) has been expanded to include all hospitals since 2017. Objective We aimed to assess the usefulness of SARI surveillance in Sana’a city and to assess its performance in terms of attributes. Methods The Centers for Disease Control and Prevention’s updated guideline was used for evaluating surveillance systems. Four qualitative attributes, including stability, simplicity, flexibility, and acceptability, and data quality as a quantitative attribute were assessed. An in-depth interview with stakeholders at the central level and self-administered questionnaires with 5 Likert scales and a register review at the peripheral level were used for collecting data. Scores for indicators were used to calculate the total gained scores for each attribute and percentages for ranking them as poor (<60%), average (60% to <80%), good (80% to <90%), and excellent (≥90%). Results SARI surveillance was useful and obtained a total gained score of 94%. The overall performance of the five attributes was average (64%). It was good (82%) at the central level where flexibility was excellent (93%) and stability was average (72%). The performance at the peripheral level was poor (51%); simplicity (61%) and acceptability (74%) were average, and the data quality was poor (20%). Conclusions Expanding SARI surveillance with a lack of staff training, central communication, and supervision might be the main reason for its weak performance at the peripheral level. Supporting SARI program activities and selecting SARI reporting sites and the surveillance team at each site based on World Health Organization criteria are highly recommended.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,041
Tête enseignante GPT0,338
Écart entre enseignants0,296 · 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 sujetData-Driven Disease SurveillanceTravaux en français237 207