Relational One Health: A more-than-biomedical framework for more-than-human health, and lessons learned from Brazil, Ethiopia, and Israel
Notice bibliographique
Résumé
The One Health conceptual framework envisions human, animal, and environmental health as interconnected. This framework has achieved remarkable progress in the control of zoonotic diseases, but it commonly neglects the environmental domain, implicitly prioritizes human life over the life of other beings, and fails to consider the political, cultural, social, historical, and economic contexts that shape the health of multispecies collectives. We have developed a novel theoretical framework, Relational One Health, which expands the boundaries of One Health, clearly defines the environmental domain, and provides an avenue for engagement with critical theory. We present a systematic literature review of One Health frameworks to demonstrate the novelty of Relational One Health, and to orient it with respect to other critically-engaged frameworks for One Health. Our results indicate that while Relational One Health complements several earlier frameworks, these other frameworks are either not intended for research, or for narrow sets of research questions. We then demonstrate the utility of Relational One Health for One Health research through case studies in Brazil, Israel, and Ethiopia. Empirical research which is grounded in theory can speak collectively, increasing the impact of individual studies and the field as a whole. One Health is uniquely poised to address several wicked challenges facing the 21st century-climate change, pandemics, neglected zoonoses, and biodiversity collapse-and a unifying theoretical tradition is key to generating the evidence needed to meet these challenges.
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 | 0,026 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,034 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».