Tackling health inequalities : lessons from international experiences
Notice bibliographique
Résumé
This book provides a unique perspective on health inequalities in Canada and elsewhere. This exciting new volume brings together experiences from seven wealthy developed nations -- the United States, Australia, Britain and Northern Ireland, Canada, Finland, Norway, and Sweden -- to analyse their contrasting approaches to reducing avoidable health problems. Some nations are successfully responding to health inequalities, but Canada is not one of them. Why is this, and what can we learn from other nations? Through a political economy lens, this book considers how societal structures and institutions shape the distribution of economic, political, and social resources that affect health disparities amongst the population. The volume then goes on to examine how governing authorities come to either confront or ignore these health inequalities and the conditions that create them. Through these illustrations, it encourages governing authorities that are tackling health inequalities to continue their efforts and directs those that are not -- such as in Canada and elsewhere -- towards what must be done. This ground-breaking text shows the primary lessons from these international experiences: that citizens in Canada and elsewhere need to educate themselves about the importance of tackling health inequalities, and then build the political and social movements that will compel governmental authorities to take action. This volume will serve as a rich resource for professionals and general readers interested in health studies, nursing, social work, public policy, and political economy.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,040 | 0,020 |
| Communication savante | 0,019 | 0,008 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».