Collaborative Surveillance: Using a Minimum Set of Key Data Parameters for One Health Participatory Surveillance
Notice bibliographique
Résumé
Early detection of a newly emerging or reemerging infectious disease is crucial to minimize the impact of such a threat on lives and livelihoods. With three of four pathogens capable of causing epidemics or pandemics arising first in animals and spreading to humans as zoonosis, a One Health approach to early detection is paramount. One Health participatory surveillance, defined as the bidirectional receiving and transmitting of data for action through direct engagement of the target population, is an effective form of collaborative surveillance to enhance global health security. Participatory surveillance systems can vary greatly when developed for a specific purpose or to meet a particular community's needs. Different geographies, languages, customs, beliefs, and practices often influence the breadth and depth of the data collected within each system. Imagine, however, if each of these varied systems could "speak" to each other, sharing their aggregated, deidentified data to create a comprehensive, real-time view of planetary health. The key is to collect the same information from users in each system, or at least a minimum set of key data parameters, to generate One Health surveillance greater than that of any individual system. To enable this vision, we propose a minimum set of key data parameters for One Health participatory surveillance that could be collected in any system through self-reporting by the public. This real-time collaborative surveillance could be the earliest indicator of a human, animal, or environmental health threat as it does not require interaction with a health care facility or provider where most disease surveillance traditionally occurs. One Health participatory surveillance that can detect major syndromes of potential emerging or reemerging pathogens through self-reporting on human, animal, or environmental health is a practical, scalable solution to identify and respond to rapidly spreading contagions.
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 | 0,085 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,017 |
| Science ouverte | 0,006 | 0,014 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».