COVID-19 and zoonoses in Brazil: Environmental scan of one health preparedness and response
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
The emergence of the COVID-19 pandemic reinforced the central role of the One Health (OH) approach, as a multisectoral and multidisciplinary perspective, to tackle health threats at the human-animal-environment interface. This study assessed Brazilian preparedness and response to COVID-19 and zoonoses with a focus on the OH approach and equity dimensions. We conducted an environmental scan using a protocol developed as part of a multi-country study. The article selection process resulted in 45 documents: 79 files and 112 references on OH; 41 files and 81 references on equity. The OH and equity aspects are poorly represented in the official documents regarding the COVID-19 response, either at the federal and state levels. Brazil has a governance infrastructure that allows for the response to infectious diseases, including zoonoses, as well as the fight against antimicrobial resistance through the OH approach. However, the response to the pandemic did not fully utilize the resources of the Brazilian state, due to the lack of central coordination and articulation among the sectors involved. Brazil is considered an area of high risk for emergence of zoonoses mainly due to climate change, large-scale deforestation and urbanization, high wildlife biodiversity, wide dry frontier, and poor control of wild animals' traffic. Therefore, encouraging existing mechanisms for collaboration across sectors and disciplines, with the inclusion of vulnerable populations, is required for making a multisectoral OH approach successful in the country.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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