Strengthening the implementation of Health in All Policies: a methodology for realist explanatory case studies
Notice bibliographique
Résumé
To address macro-social and economic determinants of health and equity, there has been growing use of intersectoral action by governments around the world. Health in All Policies (HiAP) initiatives are a special case where governments use cross-sectoral structures and relationships to systematically address health in policymaking by targeting broad health determinants rather than health services alone. Although many examples of HiAP have emerged in recent decades, the reasons for their successful implementation--and for implementation failures--have not been systematically studied. Consequently, rigorous evidence based on systematic research of the social mechanisms that have regularly enabled or hindered implementation in different jurisdictions is sparse. We describe a novel methodology for explanatory case studies that use a scientific realist perspective to study the implementation of HiAP. Our methodology begins with the formulation of a conceptual framework to describe contexts, social mechanisms and outcomes of relevance to the sustainable implementation of HiAP. We then describe the process of systematically explaining phenomena of interest using evidence from literature and key informant interviews, and looking for patterns and themes. Finally, we present a comparative example of how Health Impact Assessment tools have been utilized in Sweden and Quebec to illustrate how this methodology uses evidence to first describe successful practices for implementation of HiAP and then refine the initial framework. The methodology that we describe helps researchers to identify and triangulate rich evidence describing social mechanisms and salient contextual factors that characterize successful practices in implementing HiAP in specific jurisdictions. This methodology can be applied to study the implementation of HiAP and other forms of intersectoral action to reduce health inequities involving multiple geographic levels of government in diverse settings.
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 | 0,009 | 0,002 |
| 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 | 0,000 |
| 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 ».