MétaCan
Menu
Retour à la cohorte
Enregistrement W3161122825 · doi:10.2196/25877

Developing a Risk Governance Framework on Radiological Emergency, Preparedness, and Response for Emergency Responders: Protocol for a Mixed Methods Study

2021· article· en· W3161122825 sur OpenAlexvenueno aff
Anita Abd Rahman, Rosliza Abdul Manaf, Poh Ying Lim, Subapriya Suppiah, Muhamad Hanafiah Juni

Notice bibliographique

RevueJMIR Research Protocols · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPreparednessLogistic regressionRadiological weaponProtocol (science)Risk managementRisk perceptionRisk governanceEmergency managementStructural equation modelingQualitative researchMedicinePsychologyComputer sciencePerceptionBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Risk governance involves processes and mechanisms to understand how risk decisions are taken and executed. This concept has gained a reputation over time as being essential for emerging comprehensive management that defines the success of an organization. While guiding documents that explain the use of risk management related to nuclear safety and security are available worldwide, few locally conducted studies have explained risk governance practices in areas where hazard usage is known, such as in radiological emergencies. OBJECTIVE: This paper describes a protocol that was used to determine several factors that influence emergency responders' perceptions toward radiological risk practices and visualize the risk radiological framework for emergency preparedness and response. METHODS: A mixed methods study with a convergent design was performed. A qualitative analysis was performed using a case study approach where 6 key informants were purposely sampled for in-depth interview, and a cross-sectional study involving a self-administered questionnaire was conducted among approximately 260 emergency respondents from national regulatory, research, and services organizations. NVivo (version 12, QSR International) was used to analyze the interview transcripts and emerging themes were identified through abductive coding. Simultaneously, multiple logistic regression analysis was used to determine significant predictors that form the equation model. RESULTS: The study is still underway. Qualitative findings were based on transcript-coding that informed the relevant thematic analysis, while statistical analyses including multiple logistic regression analysis measured the adjusted odds ratio of significant variables for the equation model. The study is expected to conclude in late 2021. CONCLUSIONS: Important emerging themes and significant factors that are related to the emergency responders' perceptions regarding radiological governance practices were determined through the convergent design. This potentially facilitated the development of a plausible radiological risk governance framework. Furthermore, our results will provide key insights that can be used in future studies. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/25877.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,089
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,473

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0890,098
Méta-épidémiologie (sens strict)0,0040,003
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0060,006
Études des sciences et des technologies0,0060,005
Communication savante0,0060,005
Science ouverte0,0050,004
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0720,013

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 Opus0,493
Tête enseignante GPT0,683
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetRisk Perception and ManagementTravaux en français237 207