Pandemi Tarihi, COVID-19 Pandemisi, Küresel ve Ulusal Mücadele Süreçleri
Bibliographic record
Abstract
Çin’de Aralık 2019’da ortaya çıkan COVID-19 hastalığının küresel olarak hızla yayılmasıyla birlikte, morbidite ve mortalite açısından dünya tarihinin en yıkıcı pandemilerinden biri olan COVID-19 pandemisi kayıtlara geçmiştir. Geçmiş pandemilerle kıyaslandığında, günümüzde teknolojinin gelişmişlik düzeyinde kaydedilen ilerlemeler ve benzer nitelikteki geçmiş pandemilerden elde edilen deneyimler ile tanı ve tedaviye yönelik girişimlerde artış sağlansa da, gelişmişlik durumu farketmeksizin tüm sağlık sistemleri pandeminin olumsuz etkileriyle karşı karşıya kalmıştır. Bu olumsuz etkilerin yol açtığı yıkıcılığın önlenebilmesi veya hafifletilebilmesi için hükûmetler çeşitli ilaç ve ilaç dışı müdahale stratejileri belirlemiş ve bu stratejiler çerçevesinde çeşitli kararları uygulamıştır. COVID-19 ile mücadeleye yönelik gerçekleştirilen tüm bu çabalar sağlık sistemlerinin mevcut kaynaklarını etkin şekilde kullanabilmesini ve bunun bir sonucu olarak pandeminin morbidite ve mortalite etkisinin minimize edilmesini sağlamayı amaçlamıştır. Bu kitapta; pandemi tarihinde COVID-19 pandemisinin yerinin belirtilmesi, pandeminin başlangıcından itibaren tanı ve tedaviye yönelik girişimlerin değerlendirilmesi, pandeminin küresel, bölgesel ve ulusal düzeyde epidemiyolojik değerlendirmelerinin yapılması, sağlık sistemlerinin mücadele süreçlerinde kullandığı ilaç ve ilaç dışı müdahaleleri kapsayan stratejilerin değerlendirilmesi, karşılaştırmalı analizlere dayalı olarak mücadele süreçlerinin etkinliğinin değerlendirilmesi ve gelecek pandemilerle etkin şekilde mücadele edebilmek için politik düzeyde çıkarımların yapılması gibi konu başlıklarına yer verilecektir. COVID-19 pandemisinin geniş bir perspektifle ele alındığı bu kitap “COVID-19 ile Mücadelede Ülkelerin Etkinliğinin Veri Zarflama Analizi ve Makine Öğrenmesi ile Değerlendirilmesi” başlıklı doktora tezi esas alınarak hazırlanmıştır. Kitabın sağlık çalışanları, araştırmacılar, karar vericiler ve politika belirleyiciler için faydalı bir kaynak olacağını umuyorum. Cumhuriyetimizin 100. yılında milletimizin kadim bilgeliğinden ilhamla yazılan bu kitabın, bilimle dolu müreffeh yarınlara ulaşma temennisinin müşahhas bir eseri olmasını dilerim.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.028 | 0.004 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".