Applying “Acting Within Contexts” to intervention evaluation and equitable intervention design
Notice bibliographique
Résumé
Abstract With the rise of chronic illness in the last century, notably diabetes, cardiovascular disease, and obesity, public health has worked to identify the causes of these diseases in order to develop effective interventions and improve population health. Research has shown that these chronic diseases are strongly linked to lifestyle-related risk factors such as smoking, poor eating habits, and physical inactivity. Based on this knowledge, public health interventions have focused on health information and education programs that target these lifestyle-related risk factors. However, these programs have been found to be ineffective because these lifestyle-related strategies do not take into account the contexts that influence behaviour change. This has been found to be particularly true for vulnerable populations who tend to live in contexts of poverty. We therefore asked: how do contexts of vulnerability influence the way people act in their daily lives? To address this question, findings from a qualitative project led to the development of the “Acting Within Contexts” framework. It is a system of five interrelated components (i.e. agency, resources, capacities, threats, and opportunities), which offers an analytical lens to better understand the influence of vulnerable contexts on how people carry out their daily actions. This presentation will first propose an explanation of the limits of public health interventions that aim to change behaviours. Secondly, based on the two previous presentations, it will present how “Acting Within Contexts” can be used: 1) to develop a better understanding of contexts in which vulnerable populations live, based on how the five components interact in people's lives to either hinder or facilitate their access to health; and 2) to design interventions that will shift the focus away from lifestyle-related risk factors, and rather, towards targeting the five components that make up people's everyday contexts.
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 | 0,305 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,016 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».