Developing an evaluation framework for public health environmental surveillance: Protocol for an international, multidisciplinary Delphi consensus study
Notice bibliographique
Résumé
INTRODUCTION: Public health environmental surveillance has evolved, especially during the coronavirus pandemic, with wastewater-based surveillance being a prominent example. As surveillance methods expand, it is important to have a robust evaluation of surveillance systems. This consensus study will develop an evaluation framework for public health environmental surveillance, informed by the expanding practice of wastewater-based surveillance during the pandemic. METHODS: The public health environmental surveillance evaluation framework will be developed in five steps. In Step 1, a multinational and multidisciplinary executive group will be formed to guide the framework development process. In Step 2, candidate items will be generated by conducting relevant scoping reviews and consultation with the study executive group. In Step 3, an international electronic Delphi will be conducted over two rounds to develop consensus on items for the framework. In Step 4, the executive group will reconvene to finalize the evaluation framework, discuss standout items, and determine the dissemination strategies. Lastly, Step 5 will focus on disseminating the evaluation framework to all parties involved with or affected by wastewater-based surveillance using traditional and public-oriented methods. DISCUSSION: The Delphi consensus study will provide multidisciplinary and multinational consensus for the evaluation framework, by providing a set of minimum criteria required for the evaluation of public health environmental surveillance systems. The evaluation framework is intended to support the sustainability of environmental surveillance and improve its implementation, reliability, credibility, and value.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».