Public health priority setting on a national scale: The Scottish experience
Notice bibliographique
Résumé
Objectives: Scotland has the lowest life expectancy in Western Europe and significant health inequalities. A national review of public health in 2015 found that there was a lack of coherent action across organisational boundaries, inhibiting progress. This paper describes a rapid (four-month) systematic approach to prioritisation of Scotland's public health challenges, which was evidence-based, transparent and made use of significant stakeholder engagement. Study design: Cross-sectional survey of stakeholders in deliberative meetings. Methods: An independent Expert Advisory Group (EAG) was formed to develop a typology of public health priorities, a long-list of potential priorities and ranking criteria. Deliberative stakeholder events were held at which the criteria were refined and priorities scored by participants from a wide range of stakeholder organisations. Results: The proposed typology identified three types of public health priorities: risk factors, social factors and system factors; medically defined disease entities were not used deliberately, to facilitate broad stakeholder participation. Fifteen criteria were identified to help identify priority issues, based on the scope of their burden, amenability to change, and multi-stakeholder preferences. Six public health priorities were selected by the EAG based on stakeholder scoring of a long-list against these criteria. Conclusion: Prioritisation is important in modern public health but it is challenging due to limited data availability, lack of agreed evidence on effectiveness and efficiency of interventions, and divergent stakeholder views. The Scottish experience nevertheless shows that useful public health priorities can be agreed upon by a wide range of stakeholders through a transparent, participatory and logical process.
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 | 0,165 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».