MétaCan
Menu
← Retour à la cohorte
Enregistrement W2321725881 · doi:10.1186/s12913-016-1355-0

Factors influencing health care and service providers’ and their respective “at risk” populations’ adoption of the Air Quality Health Index (AQHI): a qualitative study

2016· article· en· W2321725881 sur OpenAlexaff
Sally Radisic, K. Bruce Newbold

Notice bibliographique

RevueBMC Health Services Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésPublic healthHealth careHealth administrationMedicineService providerHealth informaticsEnvironmental healthNursing researchNursingHealth belief modelFocus groupNonprobability samplingGerontologyService (business)Health promotionPopulationBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Air Quality Health Index (AQHI) provides air quality and health information such that the public can implement health protective behaviours (reducing and/or rescheduling outdoor activity) and decrease exposure to outdoor air pollution. The AQHI's health messages account for increased risk associated with "at risk" populations (i.e. young children, elderly and those with pre-existing respiratory and/or cardiovascular conditions) who rely on health care and service providers for guidance. Using Rogers' Diffusion of Innovations theory, our objective with respect to health care and service providers and their respective "at risk" populations was to explore: 1) level of AQHI knowledge; 2) factors influencing AQHI adoption and; 3) strategies that may increase uptake of AQHI, according to city divisions and socioeconomic status (SES). METHODS: Semi-structured face-to-face interviews with health care (Registered Nurses and Certified Respiratory Educators) and service providers (Registered Early Childhood Educators) and focus groups with their respective "at risk" populations explored barriers and facilitators to AQHI adoption. Participants were selected using purposive sampling. Each transcript was analyzed using an Interpretive Description approach to identify themes. Analyses were informed by Rogers' Diffusion of Innovations theory. RESULTS: Fifty participants (6 health care and service providers, 16 parents, 13 elderly, 15 people with existing respiratory conditions) contributed to this study. AQHI knowledge, AQHI characteristics and perceptions of air quality and health influenced AQHI adoption. AQHI knowledge centred on numerical reliance and health protective intent but varied with SES. More emphasis on AQHI relevance with respect to health benefits was required to stress relative advantage over other indices and reduce index confusion. AQHI reporting at a neighbourhood scale was recognized as addressing geographic variability and uncertainty in perceived versus measured air quality impacting health. Participants predominantly expressed that they relied on sensory cues (i.e. feel, sight, taste) to determine when to implement health protective behaviours. Time constraints were identified as barriers; whereas local media reporting and wearable devices were identified as facilitators to AQHI adoption. CONCLUSION: Increasing knowledge, emphasizing relevance, and reporting AQHI information at a neighbourhood scale via local media sources and wearable devices may facilitate AQHI adoption while accounting for SES differences.

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)0,013
score de la tête « metaresearch » (Gemma)0,021
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,021
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,006
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,197
Tête enseignante GPT0,490
Écart entre enseignants0,293 · 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

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetAir Quality and Health Impacts→Travaux en français237 207→