GroundsWell: Community-engaged and data-informed systems transformation of Urban Green and Blue Space for population health – a new initiative
Notice bibliographique
Résumé
Natural environments, such as parks, woodlands and lakes, have positive impacts on health and wellbeing. Urban Green and Blue Spaces (UGBS), and the activities that take place in them, can significantly influence the health outcomes of all communities, and reduce health inequalities. Improving access and quality of UGBS needs understanding of the range of systems (e.g. planning, transport, environment, community) in which UGBS are located. UGBS offers an ideal exemplar for testing systems innovations as it reflects place-based and whole society processes , with potential to reduce non-communicable disease (NCD) risk and associated social inequalities in health. UGBS can impact multiple behavioural and environmental aetiological pathways. However, the systems which desire, design, develop, and deliver UGBS are fragmented and siloed, with ineffective mechanisms for data generation, knowledge exchange and mobilisation. Further, UGBS need to be co-designed with and by those whose health could benefit most from them, so they are appropriate, accessible, valued and used well. This paper describes a major new prevention research programme and partnership, GroundsWell , which aims to transform UGBS-related systems by improving how we plan, design, evaluate and manage UGBS so that it benefits all communities, especially those who are in poorest health. We use a broad definition of health to include physical, mental, social wellbeing and quality of life. Our objectives are to transform systems so that UGBS are planned, developed, implemented, maintained and evaluated with our communities and data systems to enhance health and reduce inequalities. GroundsWell will use interdisciplinary, problem-solving approaches to accelerate and optimise community collaborations among citizens, users, implementers, policymakers and researchers to impact research, policy, practice and active citizenship. GroundsWell will be shaped and developed in three pioneer cities (Belfast, Edinburgh, Liverpool) and their regional contexts, with embedded translational mechanisms to ensure that outputs and impact have UK-wide and international application.
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 | 0,019 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,013 | 0,012 |
| Science ouverte | 0,005 | 0,025 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,009 |
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 ».