The Global Influenza Hospital Surveillance Network: A Multicountry Public Health Collaboration
Notice bibliographique
Résumé
Respiratory viruses represent a significant public health threat. There is the need for robust and coordinated surveillance to guide global health responses. Established in 2012, the Global Influenza Hospital Surveillance Network (GIHSN) addresses this need by collecting clinical and virological data on persons with acute respiratory illnesses across a network of hospitals worldwide. GIHSN utilizes a standardized patient enrolment and data collection protocol across its study sites. It leverages pre-existing national infrastructures and expert collaborations to facilitate comprehensive data collection. This includes demographic, clinical, epidemiological, and virologic data, and whole genome sequencing (WGS) for a subset of viruses. Sequencing data are shared in the Global Initiative on Sharing All Influenza Data (GISAID). GIHSN uses financing and governance approaches centered around public-private partnerships. Over time, GIHSN has included more than 100 hospitals across 27 countries and enrolled more than 168,000 hospitalized patients, identifying 27,562 cases of influenza and 44,629 of other respiratory viruses. GIHSN has expanded beyond influenza to include other respiratory viruses, particularly since the COVID-19 pandemic. In November 2023, GIHSN strengthened its global impact through a memorandum of understanding with the World Health Organization, aimed at enhancing collaborative efforts and data sharing for improved health responses. GIHSN exemplifies the value of integrating scientific research with public health initiatives through global collaboration and public-private partnerships governance. Future efforts should enhance the scalability of such models and ensure their sustainability through continued public and private support.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».