Facilitators and barriers experienced by federal cross-sector partners during the implementation of a healthy eating campaign
Notice bibliographique
Résumé
OBJECTIVE: To identify facilitators and barriers that Health Canada's (HC) cross-sector partners experienced while implementing the Eat Well Campaign: Food Skills (EWC; 2013-2014) and describe how these experiences might differ according to distinct partner types. DESIGN: A qualitative study using hour-long semi-structured telephone interviews conducted with HC partners that were transcribed verbatim. Facilitators and barriers were identified inductively and analysed according partner types. SETTING: Implementation of a national mass-media health education campaign. SUBJECTS: Twenty-one of HC's cross-sector partners (food retailers, media and health organizations) engaged in the EWC. RESULTS: Facilitators and barriers were grouped into seven major themes: operational elements, intervention factors, resources, collaborator traits, developer traits, partnership factors and target population factors. Four of these themes had dual roles as both facilitators and barriers (intervention factors, resources, collaborator traits and developer traits). Sub-themes identified as both facilitators and barriers illustrate the extent to which a facilitator can easily become a barrier. Partnership factors were unique facilitators, while operational and target population factors were unique barriers. Time was a barrier that was common to almost all partners regardless of partnership type. There appeared to be a greater degree of uniformity among facilitators, whereas barriers were more diverse and unique to the realities of specific types of partner. CONCLUSIONS: Collaborative planning will help public health organizations anticipate barriers unique to the realities of specific types of organizations. It will also prevent facilitators from becoming barriers. Advanced planning will help organizations manage time constraints and integrate activities, facilitating implementation.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».