Meeting report: CEPI workshop on Rift Valley fever epidemiology and modeling to inform human vaccine development, Nairobi, 4–5 June 2024
Notice bibliographique
Résumé
Rift Valley fever (RVF) is a zoonotic viral disease that causes epidemics and epizootics among humans and livestock, resulting in substantial health and socioeconomic consequences. Currently, there are no RVF vaccines licensed for humans, but several candidates show promise in early-stage development. Existing gaps in RVF epidemiological data and challenges associated with predicting RVF outbreak risk complicate the planning of efficacy studies, making the pathway to licensure for promising candidates unclear. In June 2024, the Coalition for Epidemic Preparedness Innovations (CEPI) convened a two-day workshop in Nairobi, Kenya, to discuss RVF epidemiology, modeling priorities, and specific gaps relevant to human RVF vaccine development. The workshop included representatives from multiple RVF-endemic countries, key global collaborators, and international health organizations. Workshop participants identified five key priorities: (1) Looking beyond outbreaks: There is a need to better characterize the complex One Health epidemiology of RVF and understand interepidemic persistence of the virus; (2) Better data for better models: Epidemiological modeling is crucial for research, prediction, and planning, but it requires accurate and representative data; (3) New, improved and accessible diagnostics and serological assays: These are needed to inform epidemiology and case definitions, without which RVF research will continue to suffer due to paucity of data and challenges in determining infection and exposure; (4) Defining use cases, regulatory pathways, and implementation strategies for human vaccines: Clarity on these topics will facilitate licensure and effective use of RVF vaccines; and (5) People-centered approaches: Community engagement and involvement of social and behavioral scientists are key to the success of human vaccine research and development and implementation, particularly as the virus impacts livestock and livelihoods. Workshop participants welcomed a renewed focus for RVF epidemiology and modeling, and expressed enthusiasm for continued multidisciplinary collaborations to support enabling sciences for human RVF vaccine research and development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,015 |
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 source (Gemma direct ou Codex distillé), 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 ».