MétaCan
Menu
Retour à la cohorte
Enregistrement W3092835118 · doi:10.3390/ijerph17207556

The Elaboration of an Intersectoral Partnership to Perform Health Impact Assessment in Urban Planning: The Experience of Quebec City (Canada)

2020· article· en· W3092835118 sur OpenAlexafffundabout
Stéphanie Gamache, Thierno Diallo, Ketan Shankardass, Alexandre Lebel

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensWilfrid Laurier UniversitySt. Michael's HospitalUniversité Laval
Organismes subventionnairesMitacs
Mots-clésGeneral partnershipHealth impact assessmentPsychological interventionProcess (computing)Political scienceUrban planningElaborationEnvironmental planningInstitutionBusinessProcess managementPublic relationsGeographyPublic healthMedicineNursingEngineeringComputer scienceCivil engineeringHumanities

Résumé

récupéré en direct d'OpenAlex

Health impact assessments (HIA) allow evaluation of urban interventions' potential effects on health and facilitate decision-making in the urban planning process. However, few municipalities have implemented this method in Canada. This paper presents the approach developed with partners, the process, and the outcomes of HIA implementation after seven years of interinstitutional collaborations in Quebec City (ten HIA). Using direct observation and meeting minutes, information includes: perceived role of each institution taking part in HIA beforehand, how the HIA process was implemented, if it was appreciated, and which outcomes were observed. The intersectoral interactions contributed to the development of a common language, which sped up the HIA process over time and fostered positive collaborations in unrelated projects. It was an effective tool to share concerns and responsibilities among independent institutions. This experience resulted in the creation of an informal group of stakeholders from four different institutions that perform HIA to this day in collaboration with researchers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,450
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207