The Korean 3T Practice: New Biosurveillance Model Utilizing New Information Technology and Digital Tools
Notice bibliographique
Résumé
In South Korea, COVID-19 pandemic responses, namely the 3T (testing, tracing, and treating) strategy, emerged as a new biosurveillance regime actively using new information technology (IT) and digital tools. The foundation of the Korean 3T system is epidemiological investigation efforts and clinical practices exploiting the use of new digital and IT tools. Due to these unique features, the Korean 3T system can be referred to as a "contact-based biosurveillance system," which is an advanced version of the traditional biosurveillance models (indicator-based or event-based models). This article illustrates how the contact-based biosurveillance system originated from the experience with the 2015 Middle East Respiratory Syndrome (MERS) outbreak. The post-MERS Korean biosurveillance regime actively adopted the utility of new digital and IT tools to strengthen not only the ex-ante epidemic intelligence capabilities (by traditional models) but also the ex-post response and recovery capabilities (digital contact tracing and digital health intervention). However, critics claim that the Korean 3T system may violate individuals' privacy and human rights by addressing the fact that the Korean biosurveillance system would strengthen social surveillance and population control by the government as a "digital big brother" in the cyber age. Nevertheless, 3T biosurveillance promises a positive future direction for digital health practice in the current biosurveillance regimes.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,014 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».