MétaCan
Menu
Retour à la cohorte
Enregistrement W4323901085 · doi:10.47102/annals-acadmedsg.v35n5p361

SARS Revisited: Managing “Outbreaks” With “Communications”

2006· article· en· W4323901085 sur OpenAlexaboutno aff
K U Menon

Notice bibliographique

RevueAnnals of the Academy of Medicine Singapore · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)OutbreakPublic relationsContext (archaeology)Government (linguistics)MedicineNature versus nurtureChinaPublic healthKey (lock)Political scienceComputer securitySociologyGeographyVirology

Résumé

récupéré en direct d'OpenAlex

“Risk communications” has acquired some importance in the wake of our experience of SARS. Handled well, it helps to build mutual respect between a government or an organisation and the target groups with which it is communicating. It helps nurture public trust and confidence in getting over the crisis. The World Health Organization (WHO) has also come to recognise its importance after SARS and organised the first Expert Consultation on Outbreak Communications conference in Singapore in September 2004. This article assesses the context and the key features which worked to Singapore’s advantage. Looking at the data now widely available on the Internet of the experience of SARS-infected countries like China, Taiwan, Canada, the article identifies the key areas of strategic communications in which Singapore fared particularly well. Another issue discussed is whether Singapore’s experience has universal applicability or whether it is limited because of Singapore’s unique cultural, historical and geographical circumstances. Finally, the article also looks at some of the post-SARS enhancements that have been put in place following the lessons learnt from SARS and the need to confront new infectious outbreaks like avian flu. Key words: Confidence building, Risk, Technological aids, Transparency, Trust

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)0,008
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0070,009
Science ouverte0,0010,004
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,123
Tête enseignante GPT0,337
Écart entre enseignants0,214 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations17
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the Academy of Medicine SingaporeMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207