Development of Policy-Relevant Indicators for Injury Prevention in British Columbia by the Key Decision-Makers
Notice bibliographique
Résumé
Indicators can help decision-makers evaluate interventions in a complex, multi-sectoral injury system. We aimed to create indicators for road safety, seniors falls, and ‘all-injuries’ to inform and evaluate injury prevention initiatives in British Columbia, Canada. The indicator development process involved a five-stage mixed methodology approach, including an environmental scan of existing indicators, generating expert consensus, selection of decision-makers and conducting a survey, selection of final indicators, and specification of indicators. An Indicator Reference Group (IRG) reviewed the list of indicators retrieved in the environmental scan and selected candidate indicators through expert consensus based on importance, modifiability, acceptance, and practicality. Key decision-makers (n = 561) were invited to rank each indicator in terms of importance and actionability (online survey). The IRG applied inclusion criteria and thresholds to survey responses from decision-makers, which resulted in the selection of 47 road safety, 18 seniors falls, and 33 all-injury indicators. After grouping “like” indicators, a final list of 23 road safety, 8 seniors falls, and 13 all-injury indicators were specified. By considering both decision-maker ranking and expert opinion, we anticipate improved injury system performance through advocacy, accountability, and evidence-based resource allocation in priority areas. Our indicators will inform a data management framework for whole-system reporting to drive policy and funding for provincial injury prevention improvement.
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 | 0,023 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».