From Science to Policy and Practice: A Critical Assessment of Knowledge Management Before, During, and After Environmental Public Health Disasters
Notice bibliographique
Résumé
Introduction: Canada, like many countries, increasingly faces environmental public health (EPH) disasters. Such disasters often require both short- and long-term responses, necessitate evacuation and relocation, cause major environmental impacts, and generate the need for specific knowledge and expertise (chemistry, epidemiology, risk assessment, mental health, etc.). Aim: Given the importance of evidence-based, risk-informed decision making, we aimed to critically assess the integration of EPH expertise and research into each phase of disaster risk management in several Canadian and other jurisdictions. Methods: In-depth interviews were conducted with 23 leaders in disaster risk management from Canada, United States, United Kingdom, and Australia, and were complemented by other methods (i.e. participant observation, information gathered from participation in scientific events, and document review). Three criteria were explored: governance, knowledge creation and translation, and related needs and barriers. An interview guide was developed based on a standardized toolkit from the World Health Organization. Data were analyzed through a four-step content analysis. Results: Six cross-cutting themes emerged from the analysis. These themes are identified as critical factors in successful disaster knowledge management: 1) blending the best of traditional and modern approaches, 2) fostering community engagement; 3) cultivating relationships, 4) investing in preparedness and recovery, 5) putting knowledge into practice, and 6) ensuring sufficient human and financial resources. A wide range of promising knowledge-to-action strategies was also identified, including mentorship programs, communities of practice, advisory groups, systematized learning, and comprehensive repositories of tools and resources. Discussion: There is no single roadmap to incorporate EPH knowledge and expertise into disaster risk management. Our findings suggest that beyond structures and plans, it is necessary to cultivate relationships and share responsibility for ensuring the safety, health, and wellbeing of affected communities while respecting the local culture, capacity, and autonomy. Any such considerations should be incorporated into disaster risk management planning.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».