MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388725436 · doi:10.1370/afm.22.s1.4880

I-CREAte: Engaging Families to Build Healthy Communities – the community speaks

2023· article· en· W4388725436 sur OpenAlexaboutno aff
Eva Purkey, Bruce Knox, Meghan Ford, Sophy Chan-Nguyen, Colleen Davison, Imaan Bayoumi, Susan A. Bartels, Rifaa Carter, Logan Jackson, Autumn Watson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPhotovoiceCommunity resilienceParticipatory action researchPopulationContext (archaeology)Psychological resiliencePsychologyMedicineQualitative researchSociologyGeographySocial psychologyEnvironmental healthEconomic growthEngineering

Résumé

récupéré en direct d'OpenAlex

Context: Adverse Childhood Experiences and Adverse Community Environments in combination represent family and community level factors that limit children, families and communities from reaching their full potential. Despite these significant challenges, every community has examples of resilience. Objectives: To understand the factors that impact family and community resilience for families facing adversity and families’ ideas on how to improve their communities. Study Design and Analysis: Using community-based participatory action research methods, the I-CREAte (Innovations for Community Resilience, Equity and Advocacy) team conducted a multiple case study design exploring the lived experiences of nine families experiencing adversity, focusing on their perceived strengths, barriers, and proposed solutions to improving resilience for their families and communities. Directed content analysis was used to analyze each case independently. Subsequently, all cases were brought together in a multiple case study analysis. Setting and Population: This study took place in Kingston, Frontenac, Lennox and Addington counties in Ontario, Canada. Nine families (cases) were recruited who selfidentified as experiencing adversity. Family experiences of adversity ranged from exposure to racism, substance use, poverty, disability, migration, single parenthood, and exposure to different forms of interpersonal and community violence. Instrument: Visual timelines, semi structured interviews, and photovoice were included as data collection tools for each of the nine cases. Results: Through the use of thematic analysis, twelve themes were retained which significantly impacted families’ experience of resilience. These included: lack of community safety, impacts of COVID-19, Indigenous community needs and experiences, challenges to Integration for newcomers, anti-discrimination, family supports, rights-based approach, impacts of material deprivation, health system navigation challenges, healthy cities, social support networks, and family friendly substance use treatment needs. A lack of awareness and embodiment of rights, otherwise known as epistemic injustice, was noticeable in many families. Conclusions: The ways in which themes impacted individual families and intersected with each other present many opportunities for meaningful community intervention to improve the well-being of families.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,005
Communication savante0,0040,003
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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.

Tête enseignante Opus0,749
Tête enseignante GPT0,689
Écart entre enseignants0,059 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth Policy Implementation Science→Travaux en français237 207→