MétaCan
Menu
← Retour à la cohorte
Enregistrement W4221022869 · doi:10.21203/rs.3.rs-1465241/v1

Employing the equity lens to understand multisectoral partnerships: lessons from a mixed-method study in Canada

2022· preprint· en· W4221022869 sur OpenAlexafffundabout
Suvadra Datta Gupta, Vaidehi Pisolkar, Jacob Albin Korem Alhassan, Allap Judge, Rachel Engler‐Stringer, Lise Gauvin, Nazeem Muhajarine

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensUniversité de MontréalUniversity of Saskatchewan
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEquity (law)StakeholderQualitative propertyPublic relationsGeneral partnershipCitizen journalismBusinessHealth equityPolitical scienceFinanceHealth care

Résumé

récupéré en direct d'OpenAlex

Abstract BackgroundMultisectoral approaches to health are collaborations between stakeholders across multiple sectors, usually formed to combat issues that affect health but go beyond the purview of one particular sector. The significance of multisectoral partnerships to attain health equity has been widely acknowledged. However, the extent which equity can be attained depends upon the perceptions of various stakeholders. We examine how multisectoral partnerships promoting healthy eating and active living conceptualized and employed an equity lens in their work.MethodThis study is part of a larger pan-Canadian mixed-method research and knowledge sharing program entitled MUSE (Multisectoral Urban Systems for health and Equity in Canadian cities). Data collected from both quantitative and qualitative sources for two sites of the MUSE project-Saskatoon and Toronto were analyzed. In the qualitative part, 30 semi-structured key informant interviews were conducted with key stakeholders from six different multisectoral partnerships based in Saskatoon and Toronto. Data were analyzed in an inductive way. In the quantitative part, a survey with 37 stakeholder organizations was carried out. Simple descriptive statistics (means and percentages) were used to see the distribution of data and to supplement the qualitative analysis.ResultsEquity was not a central component in program design although participants addressing equity, did so by discussing accessibility. How much consideration was given to equity varied as a function of the type of partnership. Most participants emphasized geographical accessibility but a few mentioned financial accessibility. Collaborative leadership style facilitated participatory decision-making process, and thereby upheld equity in the partnership decision making process. Communication, networking, and negotiation skills were found to be core competencies of a leader that contributed in upholding equity in partnership dynamics. The study also found some challenges to embed equity in partnership works, such as the lack of comprehensive understanding of population health and the equity tenet within it.ConclusionsFindings indicate that multisectoral partnerships aimed at promoting healthy eating and physical activity struggle to attain equity within the partnership as well as in the partnership-based works aimed at reducing health equity in populations. Factors identified can support decision-makers commit to and work to attaining equity within their partnerships as well as in the partnership-based work in the community and beyond.

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)0,042
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,740

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0220,008
Communication savante0,0080,004
Science ouverte0,0040,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,489
Tête enseignante GPT0,528
Écart entre enseignants0,039 · 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'étudeQualitatif
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetGlobal Public Health Policies and Epidemiology→Travaux en français237 207→