Shared decision-making in cardiac care: can we close the gap between good intentions and improved outcomes?
Notice bibliographique
Résumé
<h3>Objective</h3> Small Island Developing States (SIDS) struggle with implementing multisectoral tobacco control measures, and health sector actors often lack capacity to forge multisectoral commitment. This study aims to explore the sources and dynamics of authority that can enable multisectoral collaboration despite the divergence of policy agendas in tobacco control. <h3>Methods</h3> We applied a qualitative, explorative case study design, with data collection and analysis guided by an analytical framework that identifies sources and dynamics of authority. Seventy interviews were conducted in Fiji and Vanuatu between 2018 and 2019. <h3>Results</h3> The key features shaping multisectoral coordination for tobacco control in Fiji and Vanuatu are the expert, institutional, capacity-based and legal authority that state and non-state actors have in tobacco governance. The amount of authority actors can secure from these sources was shown to be influenced by their performance (perceived or real), the discourse around tobacco control, the existing legal tools and their strategic alliances. SIDS vulnerabilities, arising from small size, isolation and developing economies, facilitate an economic growth discourse that reduces health sector actors’ authority and empowers protobacco actors to drive tobacco governance. <h3>Conclusions</h3> Our results highlight the need for terms of engagement with the tobacco industry to enable governments to implement multisectoral tobacco control measures. Expanding assistance on tobacco control among government and civil society actors and increasing messaging about the impact of economic, trade and agricultural practices on health are essential to help SIDS implement the Framework Convention on Tobacco Control.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».