MétaCan
Menu
Retour à la cohorte
Enregistrement W4408121225 · doi:10.1089/hs.2024.0044

Hospital Preparedness for Conducting Clinical Research During a Pandemic: A Nationwide Survey Among Designated Medical Institutions for Infectious Diseases in Japan

2025· article· en· W4408121225 sur OpenAlexaff
Kazuaki Jindai, Hiroki Saito, Eriko Morino, Ryota Hase, Masaya Yamato, Miwa Sonoda, Taro Shibata, Tatsuo Iiyama

Notice bibliographique

RevueHealth Security · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensCARE Canada
Organismes subventionnairesnon disponible
Mots-clésPreparednessPandemicCoronavirus disease 2019 (COVID-19)MedicineInfectious disease (medical specialty)Medical emergency2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Family medicineEnvironmental healthVirologyDiseasePolitical sciencePathologyOutbreak

Résumé

récupéré en direct d'OpenAlex

In Japan, the Infectious Disease Control Law designates certain institutions across the country as medical institutions for infectious diseases, with the role to respond to and prepare for epidemic or pandemic infections. Since the early stages of the COVID-19 pandemic, these designated medical institutions have provided clinical care to patients with COVID-19. While these institutions primarily handle clinical care, they are also well poised to conduct rigorous clinical research that is needed to address future health emergencies. The COVID-19 pandemic highlighted the importance of clinical research as a medical countermeasure through its role in the development of effective novel vaccines and therapeutics. Under the Japanese system, designated medical institutions that cared for patients with COVID-19 had the privilege to access the earliest cases and were uniquely positioned to contribute to scientific evidence. Based on this understanding, we conducted a nationwide survey and analyzed data from 100 designated medical institutions to better understand their experiences and involvement in clinical research during the COVID-19 pandemic and their readiness and willingness to conduct clinical research in a future health emergency. While quite a few institutions showed willingness to participate in infectious disease research in the event of a future health emergency, it was evident that many would require additional expertise and financial support to facilitate such research. Our analysis suggests that further capacity development, empowerment for clinical research, and a strong collaborative network across stakeholders are required to improve pandemic response and preparedness in Japan.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,827
Tête enseignante GPT0,690
Écart entre enseignants0,137 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth SecurityMême sujetHealthcare cost, quality, practicesTravaux en français237 207