How are large-scale One Health initiatives targeting infectious diseases and antimicrobial resistance evaluated? A scoping review
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.
Notice bibliographique
Résumé
While One Health initiatives are gaining in popularity, it is unclear if and how they are evaluated when implementation at scale is intended. The main purpose of this scoping review was to describe how One Health initiatives targeting infectious diseases and antimicrobial resistance at a large scale are evaluated. Secondary objectives included identifying the main facilitators and barriers to the implementation and success of these initiatives, and how their impacts were assessed. Twenty-three studies evaluating One Health initiatives were eligible. Most studies included the human (n = 22) and animal (n = 15) sectors; only four included the environment sector. The types of evaluated initiative (non-exclusive) included governance (n = 5), knowledge (n = 6), protection (n = 17), promotion (n = 16), prevention (n = 9), care (n = 8), advocacy (n = 10) and capacity (n = 10). Studies used normative (n = 4) and evaluative (n = 20) approaches to assess the One Health initiatives, the latter including impact (n = 19), implementation (n = 8), and performance (n = 7) analyses. Structural and economic, social, political, communication and coordination-related factors, as well as ontological factors, were identified as both facilitators and barriers for successful One Health initiatives. These results identified a wide range of evaluation methods and indicators used to demonstrate One Health's added values, strengths, and limitations: the inherent complexity of the One Health approach leads to the use of multiple types of evaluation. The strengths and remaining gaps in the evaluation of such initiative highlight the relevance of comprehensive, mixed-method, context-sensitive evaluation frameworks to inform and support the implementation of One Health initiatives by stakeholders in different governance settings.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle