Une évaluation qualitative du programme de la Base de données publique internationale sur les éclosions des maladies d’origine alimentaire
Bibliographic record
Abstract
Contexte : La Base de données publique internationale sur les éclosions des maladies d’origine alimentaire (Publicly Available International Foodborne Outbreak Database (PAIFOD)) est un répertoire régulièrement mis à jour qui contient des données internationales sur les éclosions recueillies auprès de multiples systèmes de surveillance et de sources. En date de février 2020, la base de données contenait plus de 13 000 entrées couvrant plus de 20 ans. La PAIFOD est la seule base de données connue qui saisit les données internationales sur les éclosions de maladies d’origine alimentaire. Objectif : Explorer les perceptions des utilisateurs et déterminer les orientations possibles pour la PAIFOD et faire des recommandations pour les bases de données contenant des informations sur la sécurité alimentaire. Méthodes : Entre janvier et mars 2020, 16 entretiens téléphoniques semi-directifs ont été menés avec 24 anciens utilisateurs, actuels et potentiels de la PAIFOD. Les répondants ont été interrogés sur leur connaissance et leur expérience de l’utilisation de la PAIFOD ainsi que sur ses forces et ses faiblesses, et sur les recommandations concernant la base de données. Une approche d’analyse thématique inductive a été utilisée pour analyser les données qualitatives et générer des thèmes. Résultats : Quatre thèmes principaux ont été dégagés à partir des témoignages des 24 répondants sur leur expérience et leurs recommandations concernant la PAIFOD : les participants ont considéré que la PAIFOD était un outil utile; ils ne connaissaient pas bien son contenu ni son objectif; ils ont déclaré qu’elle devrait devenir une plateforme en libre accès ou être liée à une autre initiative de partage d’informations; et ils ont estimé que la PAIFOD avait le potentiel pour améliorer la réputation de l’Agence en devenant largement reconnue et utilisée. Conclusion : Ce travail, ainsi que le contexte en constante évolution de la surveillance alimentaire, soutient la nécessité de garantir que la PAIFOD soit mise à jour pour répondre aux exigences actuelles des experts en salubrité alimentaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.233 | 0.284 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".