'Superbugs' and the 'Dirty Hospital': The Social Co-Production of Public Health Risks
Notice bibliographique
Résumé
This dissertation examines the construction of antimicrobial resistance (AMR) as a public health risk. Its focus is on how AMR is co-produced among a network of medical professionals, scientists, and science journalists. The research advances three main arguments: first, narratives and definitions of health risk are not absolute or fixed, but constituted in the discourses and practices of global, national and local actors; second, the production of knowledge about the risk of AMR is not based on a linear process but one in which various definitions, interests, and practices are involved, and influence one another; and third, conceptualizing health risk as discursive co-production provides a more robust and nuanced understanding of how risks are defined and understood by stakeholders, particularly in relation to attributions of responsibility, blame, victimhood, and resource allocation. I argue that this represents a novel way of imagining and conceptualizing risk communication. The research involved the development of a novel methodology, which I call ethnography of risk, that brings together hospital ethnography, in-depth interviews, and qualitative analysis of media coverage and policy documents. The results of this study show that health risks are co-produced through processes of negotiation between different and co-existing types of knowledge, including situational and embodied experience, emotional memory, and expert assessments. Second, it argues that risks are multifaceted and constituted at the intersection of different perspectives, such that AMR is understood and addressed as a personal risk, a professional risk, a global risk, and a political risk.
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 | 0,002 | 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».