MétaCan
Menu
Retour à la cohorte
Enregistrement W4247948917 · doi:10.12688/f1000research.16196.2

Establishing an international laboratory network for neglected tropical diseases: Understanding existing capacity in five WHO regions

2018· preprint· en· W4247948917 sur OpenAlexaff
Laura Dean, Janet Njelesani, Charles Mulamba, Russell Dacombe, Pamela Sabina Mbabazi, Imelda Bates

Notice bibliographique

RevueF1000Research · 2018
Typepreprint
Langueen
DomaineImmunology and Microbiology
ThématiqueParasites and Host Interactions
Établissements canadiensMontfort Hospital
Organismes subventionnairesWorld Health Organization
Mots-clésEnvironmental healthMedicine

Résumé

récupéré en direct d'OpenAlex

<ns4:p> <ns4:bold>Background.</ns4:bold> Limited laboratory capacity is a significant bottleneck in meeting global targets for the control and elimination of neglected tropical diseases (NTD). Laboratories are essential for providing clinical data and monitoring data about the status and changes in NTD prevalence, and for detecting early drug resistance. Currently NTD laboratory networks are informal and specialist laboratory expertise is not well publicised, making it difficult to share global expertise and provide training, supervision, and quality assurance for NTD diagnosis and research. This study aimed to identify laboratories within five World Health Organisation regions (South-East Asia, Eastern Mediterranean, Americas, Western Pacific and Europe) that provide NTD services and could be regarded as national or regional reference laboratories, and to conduct a survey to document their networks and capacity to support NTD programmes. </ns4:p> <ns4:p> <ns4:bold>Methods.</ns4:bold> Potential NTD reference laboratories were identified through systematic searches, snowball sampling and key informants. </ns4:p> <ns4:p> <ns4:bold>Results.</ns4:bold> Thirty-two laboratories responded to the survey. The laboratories covered 25 different NTDs and their main regional and national roles were to provide technical support and training, research, test validation and standard setting. Two thirds of the laboratories were based in academic institutions and almost half had less than 11 staff. Although greater than 90 per cent of the laboratories had adequate technical skills to function as an NTD reference laboratory, almost all laboratories lacked systems for external verification that their results met international standards. </ns4:p> <ns4:p> <ns4:bold>Conclusions.</ns4:bold> This study highlights that although many laboratories believed they could act as a reference laboratory, only a few had all the characteristics required to fulfil this role as they fell short in the standard and quality assurance of laboratory processes. Networks of high quality laboratories are essential for the control and elimination of disease and this study presents a critical first step in the development of such networks for NTDs. </ns4:p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,187
Tête enseignante GPT0,400
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetParasites and Host InteractionsTravaux en français237 207