Realistic Expectations: Investing in Organizational Capacity Building for Chronic Disease Prevention
Notice bibliographique
Résumé
PURPOSE: This article presents findings that explore investment in organizational capacity building for chronic disease prevention. Specifically, this analysis examines variation in investment inputs, intervention outputs, and capacity changes to inform expectations of health-promotion capacity-building investment. DESIGN/SETTING: This multiple case study involving both qualitative and quantitative data is based on seven provincial dissemination projects involved in the Canadian Heart Health Initiative. METHODS: Data on investment, number, and type of capacity-building activities and capacity changes come from a questionnaire, key informant interviews, and project report analysis. Quantitative data were analyzed descriptively and for trends, while qualitative data were analyzed thematically. RESULTS: Per capita investments in capacity building ranged from a low of $0.21 in Ontario to $167.41 in Prince Edward Island. Multiple, tailored capacity-building interventions were used in each project. Mostly positive but modest changes were observed in at least five dimensions of capacity in all but one project. CONCLUSION: These findings reveal that capacity building for chronic disease prevention requires a long-term investment and is context specific. Even limited investment can produce interventions that appear to positively influence capacity for chronic disease prevention. The findings also suggest an urgent need to expand surveillance to include indicators of capacity-building investments and interventions to allow policy makers to make more informed decisions about investments in public health.
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 | 0,011 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».