MétaCan
Menu
Retour à la cohorte
Enregistrement W4404878843 · doi:10.1186/s42522-024-00117-5

A call for a coherent One Health strategy for the surveillance of climate-sensitive infectious diseases in the Canadian Arctic and subarctic regions

2024· review· en· W4404878843 sur OpenAlexafffundabout
Laurence Daigle, Charlotte Nury, Léa Delesalle, Carol‐Anne Villeneuve, Juliette Colinas, Patrick A. Leighton, Hélène Carabin, Kate Zinszer, Sean Hillier, Emily Jenkins, Cécile Aenishaenslin

Notice bibliographique

RevueOne Health Outlook · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensYork UniversityUniversity of SaskatchewanUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCegep de Saint Hyacinthe
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSubarctic climateCircumpolar starArcticClimate changeIndigenousGeographyPreparednessEnvironmental planningEnvironmental resource managementCitizen sciencePolitical scienceEcologyEnvironmental scienceBiologyOceanography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The increased burden of climate-sensitive infectious diseases (CSIDs) within the circumpolar region, one of the many impacts of climate change, is impacting human, animal and ecosystem health. An integrated One Health approach to surveillance of CSIDs has been promoted by the scientific community as a prerequisite to enhance preparedness and response. Up to now, little is known about how the One Health approach has been implemented in surveillance systems for CSIDs in the Arctic and surrounding regions. OBJECTIVES: The objectives of this study were to map surveillance activities currently implemented in the Canadian Arctic and subarctic for the 16 CSID identified by the Arctic Council, to describe how One Health has been operationalized in these activities, and to explore the integration and leadership of Indigenous partners in current surveillance systems. METHOD: We performed the mapping in three steps: a rapid review of the scientific literature, a review of the grey literature and an online questionnaire sent to key stakeholders involved in CSID surveillance in the Canadian Arctic and subarctic regions. RESULTS AND CONCLUSIONS: We identified 37 scientific peer-reviewed and 58 grey literature records. We mapped (1) surveillance of mandatory notifiable diseases at the federal, provincial or territorial levels not specific to the Arctic and subarctic regions, and (2) non-mandatory surveillance programs specific to the Arctic and subarctic regions. We described programs targeting either a single disease, human populations or wildlife. In most programs, there was no explicit mention of the integration of the One Health approach, and little information was available on collaboration efforts between sectors. Programs involved Indigenous communities at various levels, ranging from very low communication to community members, to high involvement and leadership in program management. Improvement in current CSID surveillance activities in Canada should include enhancing information accessibility, ensuring geographic representation, fostering sustainability in implementation of One Health strategies, and stronger involvement of Indigenous communities in the leadership of surveillance systems. An internationally harmonised approach across the Arctic and subarctic regions for all CSIDs has the potential to unify circumpolar surveillance efforts, save resources, and ultimately better inform public health authorities on the actions to prioritize in the context of climate change.

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)0,080
score de la tête « metaresearch » (Gemma)0,081
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,835

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0800,081
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0130,013
Études des sciences et des technologies0,0190,012
Communication savante0,0190,009
Science ouverte0,0090,013
Intégrité de la recherche0,0080,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,403
Écart entre enseignants0,298 · 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
GenreSynthèse

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'admission3
Résumé présentoui

Explorer davantage

Même revueOne Health OutlookMême sujetZoonotic diseases and public healthTravaux en français237 207