Enacting care by being experts and managing relationships: A discourse analysis of chief medical officer of health media briefings during the COVID-19 pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In Canada, Chief Medical Officers of Health (CMOHs) are responsible for protecting and promoting the health of their respective populations, but few studies have examined this role and its connections with the practice of medicine. In Canada and elsewhere, CMOHs and other public health physicians have articulated their actions as caring for their populations as patients. In order to understand the components of enacted care, this study is a functional discourse analysis of transcribed CMOH media briefings at three time points in five Canadian jurisdictions during the first full year of the COVID-19 pandemic (2020). Transcripts were coded and analysed in an iterative, comparative process to understand the content, actions and purpose of CMOH communication during media briefings. CMOHs used their public communications to enact their care of populations by "being experts" and "managing relationships". "Being experts" involved describing disease characteristics, assessing risk and evidence, framing risk and evidence, and making judgments about intervention and exemption. "Managing relationships" involved self-regulating emotions, acknowledging the emotions of others, seeking adherence and collaboration, and setting expectations and boundaries. The findings suggest that traditional biomedical roles were performed by CMOHs in media briefings, implying the existence of a patient (or multiple patient-like relationships) and supporting further research into the processes by which public health physicians care for populations as patients.
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.
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 | 0,066 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle