Using decision methods to examine the potential impact of intersectoral action programs
Notice bibliographique
Résumé
OBJECTIVES: In public health today, there is a widespread call for intersectoral action (ISA) programs, in which two or more sectors cooperate to address a problem. This trend raises a question of how to appropriately assess the effectiveness and cost-effectiveness of ISA programs. To assess the impact of ISA, evaluation methods should provide a framework for simultaneously considering the impact of two or more interventions when selecting from a portfolio of programs. There is a gap in literature on such methods. In this research note, from a narrative review, we report and describe methods that could be useful for evaluating ISA programs. Subsequently, we present a hypothetical case study to demonstrate the use of these methods. RESULTS: We identified four methods that have potential to assess the joint impact of multiple interventions: economic evaluation, portfolio analysis, multiple-criteria decision analysis, and programme budgeting and marginal analysis. To keep pace with the desire to use strong evidence to inform the selection and design of ISA programs, methods must evolve to support these initiatives. This research note seeks to begin a dialogue on existing decision methods which may be used to assist decision makers with funding and resource allocation decisions of ISA programs.
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 | 0,138 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».