MétaCan
Menu
Retour à la cohorte
Enregistrement W2117170298 · doi:10.1177/001789690206100403

The meaning of'health improvement'

2002· article· en· W2117170298 sur OpenAlexaff
Stephen Abbott, Dominique Florin, Naomi Fulop, Stephen Gillam

Notice bibliographique

RevueHealth Education Journal · 2002
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensInstitute of Population and Public Health
Organismes subventionnairesnon disponible
Mots-clésMeaning (existential)Government (linguistics)Health careInequalityQualitative researchPopulation healthPublic relationsPopulationNursingHealth policyMedicinePsychologyPublic healthSociologyPolitical scienceEnvironmental healthSocial science

Résumé

récupéré en direct d'OpenAlex

Objective To explore how those working in and with primary care organisations understand the term 'health improvement'. Design Six qualitative case studies. Setting Primary Care Groups and Trusts and partner organisations. Method Semi-structured interviews with senior personnel from participating organisations. Results Informants offered a wide range of definitions which generally combined more than one meaning. Replies ranged from, on the one hand, an emphasis on National Health Service (NHS) service provision to, on the other, an emphasis on the socioeconomic determinants of population health, or the quality of life of individuals. Some explained the term primarily as a government strategy; some, as a set of activities for the NHS; some, in terms of the overarching purpose of health improvement. Conclusion Our informants offered more detailed definitions of 'health improvement' than are articulated in Department of Health documents. However, they did not include health inequalities in their definition. Recent government announcements about health inequalities targets may help to ensure that all primary care organisations consider the inequalities in the health of their population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,040
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,053
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0070,081
Communication savante0,0130,016
Science ouverte0,0020,011
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,480
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Education JournalMême sujetPrimary Care and Health OutcomesTravaux en français237 207