MétaCan
Menu
Retour à la cohorte
Enregistrement W4221059386 · doi:10.1016/j.onehlt.2022.100380

How are large-scale One Health initiatives targeting infectious diseases and antimicrobial resistance evaluated? A scoping review

2022· review· en· W4221059386 sur OpenAlexafffund
Léa Delesalle, Margaux L. Sadoine, Sarah Mediouni, J. Denis-Robichaud, Kate Zinszer, Christina Zarowsky, Cécile Aenishaenslin, Hélène Carabin

Notice bibliographique

RevueOne Health · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensUniversité de MontréalCegep de Saint Hyacinthe
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésScale (ratio)Context (archaeology)One HealthPopularityHealth careCorporate governanceHealth promotionMedicinePublic relationsNursingPublic healthPsychologyPolitical scienceBusinessGeography

Résumé

récupéré en direct d'OpenAlex

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.

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)0,092
score de la tête « metaresearch » (Gemma)0,272
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,487

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0920,272
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0060,005
Bibliométrie0,0270,025
Études des sciences et des technologies0,0030,003
Communication savante0,0130,013
Science ouverte0,0040,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,087
Tête enseignante GPT0,404
Écart entre enseignants0,317 · 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.

Devis d'étudeRevue systématique
DomaineÉvaluation
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOne HealthMême sujetZoonotic diseases and public healthTravaux en français237 207