Under-Funded and Under-Pressure: State Epidemiologists During the COVID-19 Response
Notice bibliographique
Résumé
OBJECTIVES: We conducted interviews with state epidemiologists involved in the state-level COVID-19 response to understand the challenges and opportunities that state epidemiologists and state health departments faced during COVID-19 and consider the implications for future pandemic responses. METHODS: As part of a broader study on policymaking during COVID-19, we analyzed 12 qualitative interviews with state-epidemiologists from 11 US states regarding the challenges and opportunities they experienced during the COVID-19 response. RESULTS: Interviewees described the unprecedented demands COVID-19 placed on them, including increased workloads as well as political and public scrutiny. Decades of under-funding and constraints posed particular challenges for meeting these demands and compromised state responses. Emergency funding contributed to ameliorating some challenges. However, state health departments were unable to absorb the funds quickly, which created added pressure for employees. The emergency funding also did not resolve longstanding resource deficits. CONCLUSIONS: State health departments were not equipped to meet the demands of a comprehensive COVID-19 response, and increased funding failed to address shortfalls. Effective future pandemic responses will require sustained investment and adequate support to manage on-going and surge capacity needs. Increased public interest and skepticism complicated the COVID-19 response, and additional measures are needed to address these factors.
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 | 0,042 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,011 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».