MétaCan
Menu
Retour à la cohorte
Enregistrement W4385256550 · doi:10.20944/preprints202307.1701.v1

Health Diplomacy as a Tool to build resilient health systems in Conflict Settings – A Case of Sudan

2023· preprint· en· W4385256550 sur OpenAlexaff
Sanjay Pattanshetty, Kiran Bhatt, Aniruddha Inamdar, Viola Savy Dsouza, Vijay Kumar Chattu, Helmut Brand

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiplomacyHealth careHarmony (color)Political scienceInternational Health RegulationsHealth policyInternational healthPoliticsGlobal healthSustainable developmentLeverage (statistics)Economic growthBusinessPublic relationsDevelopment economicsMedicineEconomicsLawCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

Attack on health has become a significant concern for non-belligerents of war, including healthcare personnel and facilities as witnessed in the ongoing Sudan conflict. About 1.5 billion people living in fragile and conflict-affected settings (FCAS) have a heightened need for essential health services. Conflicts often lead to the disruption of building blocks of health systems, lack of access to health facilities, failure of essential medical supply chains, the collapse of political, social and economic systems, migration of health care workers, and upsurges in illness. While health indicators often decline in conflict, health can also bring peace and harmony among communities. Investment in health systems and health diplomacy is a neutral starting point for bringing peace and mitigating conflicts. The international commitment towards Sustainable Development Goals (SDGs) provides the impetus to emphasize the relationship between health and peace with the amalgamation of SDG 3, SDG 16, and SDG 17. The inspection of how health should be used as a ‘tool for peace’ and not as leverage during the war must be reiterated by international institutions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,005
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,263
Tête enseignante GPT0,523
Écart entre enseignants0,261 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetHealth and Conflict StudiesTravaux en français237 207