MétaCan
Menu
Retour à la cohorte
Enregistrement W4384470904 · doi:10.1016/j.vaccine.2023.07.021

Equitable global allocation of monkeypox vaccines

2023· article· en· W4384470904 sur OpenAlexaff
G. Owen Schaefer, Ezekiel Emanuel, Caesar Atuire, R. J. Leland, Govind Persad, Henry S. Richardson, Carla Saénz

Notice bibliographique

RevueVaccine · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiquePoxvirus research and outbreaks
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesGreenwall Foundation
Mots-clésMonkeypoxHarmDeveloping countryBusinessEconomic growthEnvironmental healthMedicineEconomicsPolitical scienceBiology

Résumé

récupéré en direct d'OpenAlex

With the world grappling with continued spread of monkeypox internationally, vaccines play a crucial role in mitigating the harms from infection and preventing spread. However, countries with the greatest need - particularly historically endemic countries with the highest monkeypox case-fatality rates - are not able to acquire scarce vaccines. This is unjust, and requires rectification through equitable allocation of vaccines globally. We propose applying the Fair Priority Model for such allocation, which emphasizes three key principles: 1) preventing harm; 2) prioritizing the disadvantaged; and 3) treating people with equal moral concern. Post-exposure prophylaxis (PEPV) has the most potential to mitigate harm, and so ensuring countries have sufficient supply for PEPV should be the first priority. And historically endemic countries, which face disadvantages that compound potential harms from monkeypox, should be the first recipients of such vaccines. Once sufficient supply is allocated for countries to apply PEPV, global allocation could move on to pre-exposure prophylaxis (PrEP), again prioritizing historically endemic countries first before distribution to the rest of the global community, based on projected number of cases and vulnerability to harm.

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)0,009
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0020,008
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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 Opus0,021
Tête enseignante GPT0,296
Écart entre enseignants0,275 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetPoxvirus research and outbreaksTravaux en français237 207