Health Product Risk Communication: Is the message getting through?
Notice bibliographique
Résumé
Risk communication is an important component of improving the health and safety of Canadians. For numerous departments and agencies at all levels of government, as well as public and private organizations, effective risk communication can protect Canadians from preventable hazards. The Minister of Health, on behalf of Health Canada (the Sponsor), asked the Council of Canadian Academies (the Council) to provide an evidence-based and authoritative assessment of the state of knowledge on measurement and evaluation of health risk communication. This assessment focuses on identifying tools, evaluation methods, gaps in the literature, and barriers and facilitators to carrying out successful communication and evaluation activities. Specifically, this assessment examines the following questions: How can the effectiveness of health risk communications be measured and evaluated? • What types of instruments/tools are currently available for health risk communication? • What methodological best practices can be used to evaluate the reach, use and benefit of health risk communication? • What research could be done to inform the measurement of the effectiveness of risk communications? • What are the existing barriers to effective risk communications and what best practices exist to address these challenges? To address the charge, the Council assembled a multi-disciplinary panel of 11 experts (the Panel) from Canada and abroad. The Panel’s composition reflected a balance of expertise, experience, and demonstrated leadership in academic, clinical, and regulatory fields. Each member served as an informed individual, rather than as a representative of a particular discipline, patron, organization, or region.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».