MétaCan
Menu
Retour à la cohorte
Enregistrement W4405401418 · doi:10.2196/67145

Ethical Considerations for Wastewater Surveillance Conducted by the US Department of Defense

2024· article· en· W4405401418 sur OpenAlexvenueno aff
Hunter Jackson Smith, Richard Agans, William J Kowallis

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessPublic healthScope (computer science)Computer securityVariety (cybernetics)PopulationEnvironmental healthEngineeringPublic relationsPolitical scienceMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Unlabelled: The US Department of Defense (DoD) is establishing its wastewater surveillance capacities to support national security objectives and promote the public health and medical readiness of US service members. Wastewater surveillance is an emerging technology that has traditionally been leveraged for detecting infectious diseases. However, its potential future applications could yield a vast and unpredictable amount of information that could be used for a wide variety of both health- and nonhealth-related purposes. The US military also serves an inimitable role for the country and its citizens, and exercises significant levels of control over its service members compared to civilian organizations. Further, its present and potential wastewater surveillance activities may reach far beyond just military installations. These factors raise unique ethical considerations that must be accounted for by leaders and policymakers to ensure the DoD implements a wastewater surveillance network in a manner that is both impactful in supporting public health and appropriate to the scope and population under surveillance. This paper explores important ethical features in conducting wastewater surveillance that are both specific to the DoD experience and applicable to wider public health initiatives.

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)0,133
score de la tête « metaresearch » (Gemma)0,181
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,706

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1330,181
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,013
Communication savante0,0100,003
Science ouverte0,0030,007
Intégrité de la recherche0,0160,020
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,355
Écart entre enseignants0,282 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetSARS-CoV-2 detection and testingTravaux en français237 207