Theory of Change for Building Stronger Wildlife Health Surveillance Systems Globally
Notice bibliographique
Résumé
Background: Emerging and re-emerging infectious diseases that infect wildlife, such as African swine fever, avian influenza, and SARS-CoV-2, have highlighted the necessity for wildlife health surveillance (WHS) due to their direct and indirect impacts on wildlife species, ecosystems, domestic animals, and human health. While global policies and guidelines exist, a critical gap remains in local-to-national implementation of WHS systems. A group of local, national, and global actors in WHS have formed a working group to address this gap. Methods and Findings: The working group reports on a theory of change (ToC) developed to implement WHS from local to global scales. Through brainstorming, plenary exercise, and building on peer-reviewed science and existing surveillance systems, we identified six transformative pathways to be implemented via collaborations across scales and contexts: mindset change, policy and investment, user-driven science, user-driven technologies, capacity enhancement, and mobilization of a global community of practice. Interpretation: This ToC serves as a roadmap to develop effective WHS systems that support adaptive management and implementation. WHS is fundamental to understanding the impacts of health threats to biodiversity and human and domestic animal health. This ToC presents an approach to operationalize integration of wildlife health into collaborative One Health surveillance. Funding: The Science for Nature and People Partnership.
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 | 0,034 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,030 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».