Enhancing inter‐organizational collaboration for wildlife disease surveillance in Sri Lanka
Notice bibliographique
Résumé
Management of zoonotic infectious diseases is an urgent global heath imperative. Interdisciplinary approaches for zoonosis management exist in literature, but collaboratively implementing them is a pervasive challenge. The Sri Lanka Wildlife Health Centre (SLWHC) was created in 2011 to coordinate wildlife disease surveillance and response among government agencies. We interviewed SLWHC-affiliated personnel about existing communication and collaboration channels to identify operational needs as well as potential enhancements for the SLWHC's operations. We used the Policy Sciences' analytical framework to identify opportunities and challenges for the SLWHC. Study participants held both human and animal health as the utmost priorities. However, their observations indicate that inter-organizational communication barriers and intra-organizational hierarchies still need to be overcome for the Centre's partnering organizations to collaborate to their fullest potential. Any interventions to enhance the SLWHC's collaborative capacity for detecting and managing zoonotic disease outbreaks could be strengthened by appealing to participants' shared value orientations towards enlightenment and respect. A common interest was the desire to collaborate and combine resources, knowledge and personnel to detect, reduce and prevent the incidence of zoonotic disease outbreaks in Sri Lanka. These lessons about institutionalizing communication have considerable relevance for organizational responses to the current SARS-CoV2 pandemic and other zoonoses.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».