Notice bibliographique
Résumé
OBJECTIVE: To describe the composition and duties of local boards of health (LBOHs). DESIGN: An online and written survey was utilized for data collection. The survey included demographics, roles and responsibilities, orientation and training, and concerns and needs of LBOHs. SETTING: This article seeks to expand what limited information we have on the composition and duties of LBOHs as an important foundational step in analyzing the role of LBOHs in leveraging improved public health outcomes. PARTICIPANTS: In 2011, the mixed methods survey was sent to a random sample of 2420 LBOHs in the 41 states, which meet the definition of having LBOHs. MAIN OUTCOME MEASURE: The data represent responses from 353 LBOHs in 35 states. RESULTS: Elected officials appoint members of 68% of LBOHs. The average board consists of a 7-member, county-based LBOH made up primarily of males (60%) and whites (96%). Hispanics make up 9% of boards. The majority of LBOH chairs have a graduate degree but no formal education or experience in public health. Local boards of health report reviewing public health regulations as their most common power but list recommending the approval of the budget for the local health department as boards' most frequent activity in the past 3 years. CONCLUSIONS: LBOH members and chairs are more similar in demographics to the top executives at local health departments than the general population or the public health workforce. Most LBOH chairs, however, lack experience in public health, and a quarter or more of LBOHs do not use their powers to set or recommend health priorities as a mechanism to leverage better community health outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».