Leveraging national and global political determinants of health to promote equity in cancer care
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
Health and politics are deeply intertwined. In the context of national and global cancer care delivery, political forces-the political determinants of health-influence every level of the cancer care continuum. We explore the "3-I" framework, which structures the upstream political forces that affect policy choices in the context of actors' interests, ideas, and institutions, to examine how political determinants of health underlie cancer disparities. Borrowing from the work of PA Hall, M-P Pomey, CJ Ho, and other thinkers, interests are the agendas of individuals and groups in power. Ideas represent beliefs or knowledge about what is or what should be. Institutions define the rules of play. We provide examples from around the world: Political interests have helped fuel the establishment of cancer centers in India and have galvanized the 2022 Cancer Moonshot in the United States. The politics of ideas underlie global disparities in cancer clinical trials-that is, in the distribution of epistemic power. Finally, historical institutions have helped perpetuate disparities related to racist and colonialist legacies. Present institutions have also been used to improve access for those in greatest need, as exemplified by the Butaro Cancer Center of Excellence in Rwanda. In providing these global examples, we demonstrate how interests, ideas, and institutions influence access to cancer care across the breadth of the cancer continuum. We argue that these forces can be leveraged to promote cancer care equity nationally and globally.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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