Renforcement des données probantes et des mesures relatives aux partenariats plurisectoriels en santé publique : un projet derecherche-action
Notice bibliographique
Résumé
Introduction L’initiative Partenariats plurisectoriels de l’Agence de la santé publique du Canada, gérée par le Centre de prévention et de contrôle des maladies chroniques (CPCMC), réunit différents partenaires en vue de concevoir, de mettre en oeuvre et de faire progresser des approches novatrices visant à améliorer la santé de la population. Cet article décrit l’évolution et les premières priorités d’un projet de recherche-action (stratégie d’apprentissage et d’amélioration) dont l’objectif est de faciliter l’amélioration continue de l’initiative de partenariat du CPCMC et de contribuer aux données probantes sur les partenariats plurisectoriels. Méthodologie La stratégie d’apprentissage et d’amélioration du CPCMC pour les partenariats plurisectoriels repose sur les consultations avec le personnel et la haute direction du CPCMC et sur l’examen de cadres conceptuels liés aux partenariats plurisectoriels. Les consultations ont porté sur l’élaboration de l’initiative plurisectorielle, ses obstacles, ses facteurs de réussite et ses indicateurs d’efficacité. Nous avons fait une revue de littérature et consulté la littérature grise en appliquant une stratégie de recherche systématique puis nous avons résumé nos conclusions sous forme de comptes rendus. Résultats Les consultations et l’examen de la littérature ont souligné l’importance de comprendre l’incidence des partenariats, d’élaborer une vision commune, de mettre en oeuvre un système partagé de mesures et de créer des occasions d’échange de connaissances. C’est dans cette perspective que nous proposons une stratégie d’apprentissage et d’amélioration en six volets : 1) donner la priorité aux besoins en matière d’apprentissage, 2) relier les besoins aux données probantes, 3) utiliser des méthodes de collecte de données pertinentes, 4) analyser et synthétiser ces données, 5) fournir une rétroaction aux membres et aux équipes du CPCMC et 6) agir. Les premiers besoins en matière d’apprentissage concernent la portée des partenariats et les répercussions non anticipées des partenariats plurisectoriels sur les individus, les équipes, les organismes et les communautés. Conclusion Bien que principalement destinée au CPCMC, la stratégie d’apprentissage et d’amélioration pourrait s’avérer tout aussi pertinente pour d’autres publics, notamment d’autres ministères ou organismes externes intéressées à saisir et partager de nouvelles connaissances sur les partenariats plurisectoriels.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,172 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».