MétaCan
Menu
Retour à la cohorte
Enregistrement W2883987520 · doi:10.12927/hcpol.2018.25494

Tokenism and Mending Fences: How Rural Male Farmers and Their Health Needs Are Discussed in Health Policy and Planning Documents

2018· article· en· W2883987520 sur OpenAlexaffvenueabout
Bradley Hiebert, Sandra Regan, Beverly Leipert

Notice bibliographique

RevueHealthcare policy · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTokenismRural populationPopulationEnvironmental healthSocioeconomicsGeographyGerontologyMedicinePolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Rural male farmers (RMFs) are an understudied population with high mortality, morbidity and co-morbidities due to preventable injury, most of which occur on-farm. This study examines how RMFs and their health needs are discussed in Ontario rural health policy documents. A retrospective analysis of policy was conducted to analyze the content of Ontario rural healthcare policy documents published since 2006. Discussions of RMFs were categorized by two themes: tokenism and mending fences. Tokenism refers to RMFs' invisibility, except when farming stereotypes were used to describe rural areas. Mending fences captures the desire of rural communities to be included in healthcare decisions, and to position RMFs as key stakeholders for healthcare organizations to engage with to improve how they are perceived by rural communities. This study asserts that including RMFs in health policy formation can improve rural healthcare delivery and relationships between rural healthcare organizations and the communities they serve.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil0,958

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,306
Écart entre enseignants0,276 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetAgriculture and Farm SafetyTravaux en français237 207