MétaCan
Menu
Retour à la cohorte
Enregistrement W4307331249 · doi:10.1101/2022.10.25.22281308

What is the current state of public health system preparedness for infectious disease emergencies? A scoping review

2022· review· en· W4307331249 sur OpenAlexaff
Jessica M. Lee, Rachel Jansen, Kate E Sanderson, Fiona Guerra, Sue Keller-Olaman, Michelle Murti, Tracey O’Sullivan, Madelyn Law, Brian Schwartz, Laura E Bourns, Yasmin Khan

Notice bibliographique

RevuemedRxiv · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversity of OttawaBrock UniversityGovernment of OntarioUniversity of TorontoPublic Health OntarioToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésPreparednessPublic healthEmergency managementResilience (materials science)Infectious disease (medical specialty)LegislationCommunity resiliencePublic relationsGrey literatureBusinessPolitical scienceMedicineDiseasePsychologyEnvironmental healthEnvironmental planningMEDLINEGeographyNursingEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Background The COVID-19 pandemic continues to demonstrate the risks and profound health impacts that result from infectious disease emergencies. Emergency preparedness has been defined as the knowledge, capacity and organizational systems that governments, response and recovery organizations, communities and individuals develop to anticipate, respond to, or recover from emergencies. This scoping review explored recent literature on priority areas and indicators for public health emergency preparedness (PHEP) with a focus on infectious disease emergencies. Methods Using scoping review methodology, a comprehensive search was conducted for indexed and grey literature with a focus on records published from 2017 and 2020 onward, respectively. Records were included if they: a) described PHEP, b) focused on an infectious emergency, and c) were published in an Organization for Economic Co-operation and Development country. An evidence-based all-hazards Resilience Framework for PHEP consisting of 11 elements was used as a reference point to identify additional areas of preparedness that have emerged in recent publications. The findings were summarized thematically. Results The included publications largely aligned with the all-hazards Resilience Framework for PHEP. In particular, the elements related to collaborative networks, community engagement, risk analysis and communication were frequently observed across the publications included in this review. Emergent themes were identified that expand on the Resilience Framework for PHEP. These were related to mitigating inequities, public health capacities (vaccination, laboratory system capacity, infection prevention and control capacity, financial investment in infrastructure, public health legislation, phases of preparedness), scientific capacities (research and evidence-informed decision making, climate and environmental health), and considerations for health system capacity. Conclusions The themes from this review contribute to the evolving understanding of critical public health preparedness actions; however, there was a paucity of recent evidence on PHEP indicators. The themes can expand on the 11 elements outlined in the Resilience Framework for PHEP, specifically relevant to infectious disease emergencies and risks. Further research will be important to validate these findings, and expand understanding of how refinements to PHEP frameworks and indicators can support public health practice.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,142
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,142
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,006
Bibliométrie0,0200,020
Études des sciences et des technologies0,0020,003
Communication savante0,0100,010
Science ouverte0,0040,004
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,302
Tête enseignante GPT0,518
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetDisaster Response and ManagementTravaux en français237 207