Towards improved preparedness and response to animal health crises : A case study of the poultry sector in Indonesia
Bibliographic record
Abstract
L’accélération de la mondialisation, des changements environnementaux et de l’urbanisation ces dernières décennies sont à l’origine de défis majeurs en matière de santé et de bien-être animal. Des évènements tels que les pandémies de grippe A (H1N1) ou de COVID-19 ont mis en lumière la vulnérabilité des systèmes alimentaires mondiaux face à des crises sanitaires multisectorielles de plus en plus complexes et aux conséquences difficilement prévisibles. Afin de renforcer leurs capacités de réponse aux crises, de nombreux pays et organisations se sont dotés de systèmes de gestion multirisques (Incident Management System ou IMS) permettant une approche standardisée et systématique de tout type d’incident.Toutefois, la gestion de la santé et du bien-être animal reste mal intégrée à ces systèmes. Celle-ci s’organise souvent de manière ad hoc et déconnectée de la réponse globale, conduisant à des problèmes de gestion de des ressources et de l’information. De plus, les modèles d’IMS ont été principalement développés par des pays occidentaux, et leur applicabilité à d’autres contextes socio-économiques reste peu explorée.Ce travail basé sur une étude de cas s’articule autour de la question de recherche suivante : Quels sont les pratiques et besoins des acteur·ices de la filière avicole en Indonésie en matière de gestion de la santé animale, et dans quelles mesure les systèmes actuels de gestion des crises permettent-ils d’y apporter une réponse ?La première partie de ce travail porte sur l’étude du secteur avicole en Indonésie, avec pour objectifs d’illustrer les défis en santé animale par un cas concret et de décrire l’impact et les éventuelles barrières à la mise en place des politiques de gestion. 41 entretiens semi-directifs ont été réalisé auprès de 56 acteur·ices de la filière avicole dans cinq provinces d’Indonésie en juillet 2022, afin d’explorer leurs priorités, besoins et capacités en termes de gestion de la santé animale. Dans la seconde partie de ce travail, 33 entretiens avec 45 acteur·ices d’organisations internationales ont été réalisés de mai à juillet 2024 afin de décrire les principes communs des IMS internationaux et évaluer leur mise en pratique concrète. Enfin, l’applicabilité de ces cadres généraux à des contextes locaux spécifiques, à l’instar du système avicole indonésien, est discutée afin de proposer des pistes d’amélioration.Les résultats ont révélé que la coordination internationale dans le cadre des IMS pâtit d’un manque d’interopérabilité des systèmes d’information et de communication ainsi que de la persistance de silos disciplinaires. Au niveau local, l’étude du cas indonésien a montré un impact limité des systèmes officiels de surveillance et de gestion en santé animale, et révélé le rôle prépondérant des prestataires de service privés (vétérinaires, compagnies pharmaceutiques, etc.) dans la dissémination d’information en situation de crise. La forte compartimentalisation des secteurs public et privé, le manque d’interopérabilité des données de production ainsi que la dominance des canaux de communication informels contribuent à une gestion en silo des crises sanitaires. La réponse internationale standard, centrée sur la détection et l’éradication des foyers, apparait peu adaptée à un contexte d’endémie et de ressources limitées dans lequel la gestion des maladies infectieuses animales n’est pas perçue comme une priorité par rapport à d’autres enjeux politiques, économiques et environnementaux.Si les IMS contribuent à répondre aux besoins en termes de coordination et de gestion de l’information lors des crises, leur opérationnalisation tant au niveau international que local rencontre encore des obstacles. Il convient de repenser l’échelle d’application de ces systèmes, d’impliquer les parties prenantes dans le processus décisionnel, et de renforcer la mémoire organisationnelle pour s’assurer que les leçons tirées se traduisent par des changements significatifs.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".