Scoping review study to identify how communities in the USA, Australia, New Zealand and Canada use quality improvement (QI) approaches to address community health and well-being
Notice bibliographique
Résumé
INTRODUCTION: Both US and global communities lag on key health indicators. There has been limited progress in building capacity to improve health beyond the healthcare field. Yet, communities also need to engage in health improvement initiatives. A substantial body of literature describes standards and core components for quality improvement (QI) approaches in clinical settings. This study aims to determine how communities in the USA, Australia, New Zealand and Canada use QI approaches for health and well-being improvement and how such approaches compare to those in clinical settings. METHODS AND ANALYSIS: ) and other published protocols. We developed research questions in an iterative process and used the Population, Intervention, Comparison, Outcomes strategy to determine eligibility criteria. Electronic databases deemed appropriate (Web of Science, Scopus, and Proquest Health Management) will be searched for studies that meet inclusion criteria. References of included studies will be included when relevant. Two reviewers will independently screen all abstracts and full-text studies for inclusion. A third reviewer will adjudicate disagreements that arise. An instrument will be developed to extract data from included studies. Quantitative and qualitative results will be reported. ETHICS AND DISSEMINATION: We developed this protocol to systematically conduct a scoping review of how US communities use QI approaches to address community health and well-being. Results will benefit multiple stakeholders by informing how to better support, design and evaluate community well-being improvement interventions. Results will be distributed through peer-reviewed journals, conferences, presentations and a public health graduate course.
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 | 0,158 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,025 | 0,028 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,007 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 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 ».