Recognition: key to the entrepreneurial strategies of rural coalitions in advancing access to health care
Notice bibliographique
Résumé
OBJECTIVES: Considerable evidence has advanced the role of citizen-led coalitions (CLC) in supporting the health and social needs of rural citizens. There has been little research focusing on the experiences and strategies of coalitions, with their limited resources and status, in targeting health inequities in their rural communities. The aim of this study was to understand the entrepreneurial strategies and experiences of rural coalitions to effect change in the delivery of health services for their older adult populations. METHOD: A qualitative descriptive study method was used to generate understanding of the entrepreneurial experiences and strategies of CLCs in advancing health services to meet the health and social needs of their citizens. Seven diverse CLCs (n = 40) from different rural communities participated in focus groups and in individual and coalition-level surveys. Thematic analysis was used to construct themes from the data. RESULTS: Two over-riding themes emerged: entrepreneurial strategies and societal recognition. CLCs engaged in numerous entrepreneurial strategies that enabled actions and outcomes in meeting their health care needs. These strategies included: securing quick wins, leveraging existing resources, and joining forces with stakeholder groups/individuals. However, despite these strategies and successes, coalitions expressed frustration with not being seen and not being heard by decision-makers. This pointed to a key structural barrier to coalition successes -- a broader societal and institutional problem of failing to recognize not only the health needs of rural citizens, but also the legitimacy of the community coalitions to represent and act on those needs. CONCLUSIONS: Despite the potential for coalitions to mobilize and effect change in addressing the inequities of rural health service access for older adults, broader barriers to their recognition, may undermine their entrepreneurial strategies and success.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».