MétaCan
Menu
Retour à la cohorte
Enregistrement W2168911759 · doi:10.1215/03616878-29-6-1153

Prospects for Health Impact Assessment in the United States: New and Improved Environmental Impact Assessment or Something Different?

2004· review· en· W2168911759 sur OpenAlexaff
Brian L. Cole, Michelle Wilhelm, Peter Long, Jonathan E. Fielding, Gerald F. Kominski, Hal Morgenstern

Notice bibliographique

RevueJournal of Health Politics Policy and Law · 2004
Typereview
Langueen
DomaineHealth Professions
ThématiquePublic Health Policies and Education
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHealth impact assessmentEnvironmental impact assessmentTransparency (behavior)Environmental planningPublic healthImpact assessmentPolitical scienceEnvironmental justiceEnvironmental impact statementPublic participationEnvironmental healthEnvironmental resource managementPublic relationsPublic administrationGeographyEnvironmental scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Health impact assessment (HIA) has been advanced as a means of bringing potential health impacts to the attention of policy makers, particularly in sectors where health impacts may not otherwise be considered. This article examines lessons for HIA in the United States from the related and relatively well-developed field of environmental impact assessment (EIA). We reviewed the EIA literature and conducted twenty phone interviews with EIA professionals. Successes of EIA cited by respondents included integration of environmental goals into decision making, improved planning, and greater transparency and public involvement. Reported shortcomings included the length and complexity of EIA documents, limited and adversarial public participation, and an emphasis on procedure over substance. Presently, EIAs consider few, if any, health outcomes. Respondents differed on the prospects for HIA. Most agreed that HIA could contribute to EIA in several areas, including assessment of cumulative impacts and impacts to environmental justice. Reasons given for not incorporating HIA into EIA were uncertainties about interpreting estimated health impacts, that EIA documents would become even longer and more complicated, and that HIA would gain little from the procedural and legal emphasis in EIA. We conclude that for HIA to advance, whether as part of or separate from EIA, well-formulated methodologies need to be developed and tested in real-world situations. When possible, HIA should build on the methods that have been utilized successfully in EIA. The most fruitful avenue is demonstration projects that test, refine, and demonstrate different methods and models to maximize their utility and acceptance.

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)0,051
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,270

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,043
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,008
Communication savante0,0100,023
Science ouverte0,0020,005
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,152
Tête enseignante GPT0,596
Écart entre enseignants0,444 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations50
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Politics Policy and LawMême sujetPublic Health Policies and EducationTravaux en français237 207