MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401384481 · doi:10.5152/9000

Pandemi Tarihi, COVID-19 Pandemisi, Küresel ve Ulusal Mücadele Süreçleri

2024· book· tr· W4401384481 sur OpenAlexaff
Faruk YILMAZ

Notice bibliographique

Revuenon disponible
Typebook
Languetr
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensIntertek (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PhysicsGynecologyHumanitiesArtMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Çin’de Aralık 2019’da ortaya çıkan COVID-19 hastalığının küresel olarak hızla yayılmasıyla birlikte, morbidite ve mortalite açısından dünya tarihinin en yıkıcı pandemilerinden biri olan COVID-19 pandemisi kayıtlara geçmiştir. Geçmiş pandemilerle kıyaslandığında, günümüzde teknolojinin gelişmişlik düzeyinde kaydedilen ilerlemeler ve benzer nitelikteki geçmiş pandemilerden elde edilen deneyimler ile tanı ve tedaviye yönelik girişimlerde artış sağlansa da, gelişmişlik durumu farketmeksizin tüm sağlık sistemleri pandeminin olumsuz etkileriyle karşı karşıya kalmıştır. Bu olumsuz etkilerin yol açtığı yıkıcılığın önlenebilmesi veya hafifletilebilmesi için hükûmetler çeşitli ilaç ve ilaç dışı müdahale stratejileri belirlemiş ve bu stratejiler çerçevesinde çeşitli kararları uygulamıştır. COVID-19 ile mücadeleye yönelik gerçekleştirilen tüm bu çabalar sağlık sistemlerinin mevcut kaynaklarını etkin şekilde kullanabilmesini ve bunun bir sonucu olarak pandeminin morbidite ve mortalite etkisinin minimize edilmesini sağlamayı amaçlamıştır. Bu kitapta; pandemi tarihinde COVID-19 pandemisinin yerinin belirtilmesi, pandeminin başlangıcından itibaren tanı ve tedaviye yönelik girişimlerin değerlendirilmesi, pandeminin küresel, bölgesel ve ulusal düzeyde epidemiyolojik değerlendirmelerinin yapılması, sağlık sistemlerinin mücadele süreçlerinde kullandığı ilaç ve ilaç dışı müdahaleleri kapsayan stratejilerin değerlendirilmesi, karşılaştırmalı analizlere dayalı olarak mücadele süreçlerinin etkinliğinin değerlendirilmesi ve gelecek pandemilerle etkin şekilde mücadele edebilmek için politik düzeyde çıkarımların yapılması gibi konu başlıklarına yer verilecektir. COVID-19 pandemisinin geniş bir perspektifle ele alındığı bu kitap “COVID-19 ile Mücadelede Ülkelerin Etkinliğinin Veri Zarflama Analizi ve Makine Öğrenmesi ile Değerlendirilmesi” başlıklı doktora tezi esas alınarak hazırlanmıştır. Kitabın sağlık çalışanları, araştırmacılar, karar vericiler ve politika belirleyiciler için faydalı bir kaynak olacağını umuyorum. Cumhuriyetimizin 100. yılında milletimizin kadim bilgeliğinden ilhamla yazılan bu kitabın, bilimle dolu müreffeh yarınlara ulaşma temennisinin müşahhas bir eseri olmasını dilerim.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0280,004

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 Opus0,338
Tête enseignante GPT0,457
Écart entre enseignants0,118 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→