Lessons learned from the epidemiology and control of the COVD-19 pandemic in the American Continent
Notice bibliographique
Résumé
On December 12, 2022, a panel seminar organized by the American Journal of Field Epidemiology (AJFE) was held with the enthusiastic support of the National Institute of Health of Colombia. More than 200 professionals from Colombia, Peru, Brazil, El Salvador, Canada, the USA, Ecuador, Costa Rica, Chile, and Mexico participated. The panelists, moderated by Dr. Marjorie Pollack, member of the AJFE Editorial Board and associate editor of ProMED, presented the epidemiological characteristics of the pandemic in Colombia, Brazil, Costa Rica, Puerto Rico, Haiti, and the Dominican Republic, as well as the public health response with which it was responded to mitigate and control it. The panelists emphasized the value of the preparation provided by the existence of field epidemiology training programs, the existence of a response plan, of establishing good communication with decision makers to make them collectively. The Costa Rican experience of using epidemiology to facilitate the provision of health services to patients with COVID-19 was shared. Likewise, the panelists emphasized that the misinformation, spread on the internet and some other means, had a negative impact, and the experience of educating those working for the news media was shared. It was commented that greater agility is needed to respond early to events that could lead to a pandemic. The panelists added the pandemic highlighted, more than ever before, the importance of having appropriate communication strategies to inform the public.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».