MétaCan
Menu
Retour à la cohorte
Enregistrement W4367834591 · doi:10.17269/s41997-023-00773-6

Lessons learned from implementing a surge capacity support program for COVID-19 contact management in Ontario

2023· article· en· W4367834591 sur OpenAlexafffundvenueabout
Andrea Chambers, Jacquelyn Quirk, Elaina MacIntyre, Andrea Bodkin, Heather Hanson

Notice bibliographique

RevueCanadian Journal of Public Health · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueCOVID-19 Digital Contact Tracing
Établissements canadiensUniversity of TorontoPublic Health Ontario
Organismes subventionnairesHealth CanadaMinistère de la Défense Nationale
Mots-clésContact tracingWorkforcePhoneGovernment (linguistics)BusinessPandemicCapacity buildingPublic healthCoronavirus disease 2019 (COVID-19)Surge CapacityPublic relationsPolitical scienceMedicineNursing

Résumé

récupéré en direct d'OpenAlex

SETTING: In Ontario, local public health units (PHUs) are responsible for leading case investigations, contact tracing, and follow-up. The workforce capacity and operational requirements needed to maintain this public health strategy during the COVID-19 pandemic were unprecedented. INTERVENTION: Public Health Ontario's Contact Tracing Initiative (CTI) was established to provide a centralized workforce. This program was unique in leveraging existing human resources from federal and provincial government agencies and its targeted focus on initial and follow-up phone calls to high-risk close contacts of COVID-19 cases. By setting criteria for submissions to the program, standardizing scripts, and simplifying the data management process, the CTI was able to support a high volume of calls. OUTCOMES: During its 23 months of operation, the CTI was used by 33 of the 34 PHUs and supported over a million calls to high-risk close contacts. This initiative was able to meet its objectives while adapting to the changing dynamics of the pandemic and the implementation of a new COVID-19 provincial information system. Core strengths of the CTI were timeliness, volume, and efficient use of resources. The CTI was found to be useful for school exposures, providing support when public health measures were lifted, and in supporting PHU's reallocation of resources during the vaccine roll-out. IMPLICATIONS: When considering future use of this model, it is important to take note of the program strengths and limitations to ensure alignment with future needs for surge capacity support. Lessons learned from this initiative could provide practice-relevant knowledge for surge capacity planning.

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)0,012
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,735

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,003
Communication savante0,0050,002
Science ouverte0,0050,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,313
Tête enseignante GPT0,400
Écart entre enseignants0,087 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Public HealthMême sujetCOVID-19 Digital Contact TracingTravaux en français237 207