MétaCan
Menu
Retour à la cohorte
Enregistrement W4221118616 · doi:10.4269/ajtmh.21-0972

Accelerating the Uptake of WHO Recommendations for Mass Drug Administration Using Ivermectin, Diethylcarbamazine, and Albendazole

2022· article· en· W4221118616 sur OpenAlexaff
Jonathan D. King, Julie Jacobson, Alison Krentel

Notice bibliographique

RevueAmerican Journal of Tropical Medicine and Hygiene · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueParasitic Diseases Research and Treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésIvermectinLymphatic filariasisMass drug administrationAlbendazoleTimelineDiethylcarbamazineAnthelminticMedicineAntiparasitic agentOnchocerciasisEnvironmental healthPharmacologySurgeryImmunologyVeterinary medicineFilariasisGeography

Résumé

récupéré en direct d'OpenAlex

Triple therapy with ivermectin, diethylcarbamazine, and albendazole (IDA) for the elimination of lymphatic filariasis (LF) represents a compelling example of accelerating the timeline from development to introduction and impact. Previous articles outlined how the clinical development process was able to compress timelines and provide the evidence needed for the WHO to issue guidelines on the use of IDA for mass drug administration for LF. We explored the drivers for the rapid and successful introduction of IDA in the early-adopter countries. Lessons from this experience highlight five key elements for moving from WHO recommendations to program uptake after the publication of the guideline: 1) early engagement with stakeholders to create partnerships to coordinate and plan for implementation; 2) recognition by countries and partners of the potential of IDA to improve efforts to eliminate LF; 3) high-level commitment and coordination at regional levels and, most importantly, at the country level; 4) understanding of the perspectives among people living in LF-endemic communities where mass drug administration is warranted; and 5) affirmation of the feasibility of IDA through sharing lessons learned.

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)0,040
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,074
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,055
Tête enseignante GPT0,373
Écart entre enseignants0,319 · 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'étudeSans objet
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Tropical Medicine and HygieneMême sujetParasitic Diseases Research and TreatmentTravaux en français237 207