Making Waves: A justice-centred framework for wastewater-based public health surveillance
Notice bibliographique
Résumé
• Ethical dimensions of wastewater-based surveillance programs remain unresolved • International, interdisciplinary, and multisectoral teams can ensure just outcomes • Commons issues of community, transparency, and geography are identified • Across contexts, a common framework rather than universal regulations are needed • Fraser's theory of justice evaluates maldistribution, misrecognition, and exclusion Since 2020 wastewater-based surveillance has quickly been established as an effective and cost-efficient tool for monitoring global public health. In this Making Waves article, we argue that these programs must be grounded in principles of justice to achieve global water and health equity. Ethics initiatives to date have focused primarily on privacy, legality, and institutionalised research reviews, often, if not exclusively, in North America and Western Europe. We draw from our interdisciplinary, multisectoral, and international expertise and experience to develop a justice-centred framework for wastewater-based surveillance. First, we identify common concerns across diverse surveillance programs including: defining community, transparency and accountability, and uneven geographies. Second, we draw on political theorist Nancy Fraser's framework of justice to evaluate site-specific practices identifying maldistribution, misrecognition, and exclusion. We suggest that Fraser's framework offers a common approach for evaluating just outcomes rather than specific regulations for governing wastewater surveillance across different and unequal contexts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».