MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394861561 · doi:10.1017/one.2024.5.pr2

Review: From intention to action – cultivating future-ready One Health agents of change. — R0/PR2

2024· peer-review· en· W4394861561 sur OpenAlexafffund
Craig Stephen, Alana Wilcox, Jennifer F. Provencher

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésAction (physics)BusinessPsychologyPolitical sciencePhysics

Résumé

récupéré en direct d'OpenAlex

We used a narrative literature review to identify attributes of One Health practitioners who can close the gap between intention and action to protect and promote health in this era of polycrises. The intention in this essay was to instigate discourse that challenges the current state of One Health teaching and practice, thus helping us reflect on how to future-ready One Health. One Health researchers and practitioners must become agents of change who accelerate and amplify innovations that promote One Health as a settings-based approach to advance interspecies and intergenerational health equity. This essay outlines how future readiness and disruption are intertwined and proposes that One Health training needs to cultivate curiosity, agility and convergence thinking to create future-ready researchers and practitioners. Institutional systems that can support future-ready One Health agents of change will need to be attentive to mechanisms that close the knowing-to-doing gap and promote crossing barriers. Game changing One Health requires greater investment in cross-cutting capacities and ideas that will make it easier to see what is working and for whom. At the heart of this issue is the need to mainstream concepts of fairness and redistribution of the health resources between people, animals, and settings.

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)0,008
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0020,003
Communication savante0,0060,006
Science ouverte0,0020,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,296
Tête enseignante GPT0,471
Écart entre enseignants0,176 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetZoonotic diseases and public health→Travaux en français237 207→