Growing a Healthy Ecosystem for Patient and Citizen Partnerships
Notice bibliographique
Résumé
Patient and citizen engagement is taking root in a number of healthcare organizations.These initiatives show promising results but require a supportive environment to bring systemic and sustainable impacts.In this synthesis article, we propose an ecosystemic perspective on engagement in health, outlining key elements at the individual, organizational and systemic levels supporting reciprocal and effective relationships among all partners to provide conditions for the co-production of health and care.We argue that growing a healthy engagement ecosystem requires: (1) building local and national "hubs" to facilitate learning and capacity building across engagement domains, populations and contexts; (2) supporting reciprocal partnerships based on co-leadership; and (3) strengthening capacities for research, evaluation and co-training of all partners to support reflective engagement practices that bring about effective change. An Ecosystemic, Reciprocal Perspective on Patient and Citizen Engagement RelationshipsEcosystems are communities of individuals interacting with their environment (Gurevitch et al. 2002: 522).Ecosystems are "holonic structures": they are made of entities that are a whole and a part of a larger system at the same time (e.g., atoms, cells, organisms, planet), with the levels dynamically interacting with one another (Koestler 1967: 48).In healthcare, individuals are embedded within the healthcare organizations and systems they interact with (Mella and Gazzola 2017).An ecosystemic perspective on patient and citizen engagement reminds us that healthcare, in its essence, is about relationships between people.This perspective also highlights the idea that these relationships
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 | 0,033 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,023 |
| Communication savante | 0,029 | 0,035 |
| Science ouverte | 0,003 | 0,056 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».