MétaCan
Menu
Retour à la cohorte
Enregistrement W4300291476 · doi:10.5772/intechopen.105805

Implications of COVID-19 on Public Policy, Supply Chain Disruptions, and Monitoring Methods

2022· book-chapter· en· W4300291476 sur OpenAlexfundno aff
Timothy J. Tse, Farley Chicilo, Jeffrey Popiel, Martin J. T. Reaney

Notice bibliographique

RevueIntechOpen eBooks · 2022
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesMitacs
Mots-clésCoronavirus disease 2019 (COVID-19)BusinessPandemicSupply chainGovernment (linguistics)Public policyPublic healthDownstream (manufacturing)Environmental healthEconomicsEconomic growthInfectious disease (medical specialty)MedicineDiseaseMarketing

Résumé

récupéré en direct d'OpenAlex

Transmission of the severe acute respiratory syndrome coronavirus 2, referred to as COVID-19, has persisted beyond 2020 and led to a global pandemic with far reaching consequences. Many changes in public policy and health measures were developed and implemented with the intention of slowing the spread of the novel virus. Disruptions from the global pandemic created major supply chain consequences due to stockpiling of essential goods (alcohol-based hand sanitizers and surface disinfectants), impacts on trade routes, and limitations on modes of transportation due to border closures. Rapid increase in the use of hand sanitizers and surface disinfectants significantly affected the production capacity of high-quality ethanol (e.g., USP and FCC grade) resulting in regulatory changes in countries facing shortages. Prompt enactment of government policies allowed for use of alcohol with higher impurities to offset heightened demand and increase commercial availability. Changes in monitoring methods were also observed, where many agencies began to track viral shedding through municipal wastewater. In this chapter, we will discuss the impacts of COVID-19 on public policies and health measures, economics as it relates to supply chain disruptions, and the implementation of novel monitoring methods to survey the spread of COVID-19.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,136
Tête enseignante GPT0,427
Écart entre enseignants0,291 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetSARS-CoV-2 detection and testingTravaux en français237 207