Operationalizing the ‘population health’ approach to permit consideration and minimization of unintended harms of public health interventions: a malaria control example
Notice bibliographique
Résumé
To achieve elimination of malaria, both ‘populations at risk’ strategies and ‘population health’ approaches to intervention are required. While the ‘populations at risk’ vs. ‘population health’ debate is not new to public health, here we advance the discussion by identifying how the ‘population health approach’, coupled with concepts from theories of unintended harms, could be used to identify and guide efforts to minimize unintended harm associated with ‘populations at risk’ strategies, using malaria as an example. We begin by reviewing unintended harm and present the presumptive diagnosis and treatment of malaria clinical practice guideline (PDTM-CPG) as an example of a ‘populations at risk’ strategy for malaria control. We then consider the value of the ‘population health’ approach for identifying and minimizing cultural and economic unintended harms associated with the PDTM-CPG. We outline several concepts that are helpful in terms of the identification and mitigation of unintended harm. Specifically, the ‘population health approach’ emphasizes structural determinants of health that are key to enhancing intervention impact and reducing inequities, while theories of unintended harms emphasize factors that play into the selection and impact of interventions; namely, the breadth and depth of the knowledge base, contextual considerations, basic values, and the perceived need for immediate action. Finally, based on these key concepts, we identify practical discussion questions for district, national, and international public health planners and policy-makers to reflect upon when engaging in intervention design or adaptation. These questions are intended to maximize efforts to achieve malaria elimination while minimizing unintended harms.
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 | 0,040 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,021 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».