Defining quality of preventive oral health services in a northern First Nations community: a concept mapping study
Notice bibliographique
Résumé
INTRODUCTION: In partnership with the Norway House Cree Nation (NHCN) in Manitoba, Canada, this study developed a framework based on how Indigenous parents/caregivers of young children and community-based oral health decision-makers perceive 'quality of preventive oral health services'. METHODS: Concept mapping was used to develop the 'quality of preventive oral health services' framework. This involved brainstorming/idea generation, sorting and rating, visual representation, and interpretation sessions with parents/caregivers (CG) and decision-makers (DM) in Norway House, Manitoba. Using the Concept System's GlobalMax software, a conceptual framework was created that was modified from input from CG and DM groups, which can be visualized through the concept map. RESULTS: The final concept map revealed seven domains of quality preventive oral health services: dental staff character and skills, working with community, responsibilities in preventive education, inclusive preventive oral health strategies, accessibility to appointments, logistics of providing services, and dental environment. CONCLUSION: This study provides insight into the existing gap in oral health services for Indigenous populations. Based on conversations and the concept mapping process, the developed framework can inform the steps to be taken to improve preventive oral health services for Indigenous peoples. The framework has been used to develop a quantitative scale to inform sustainable and impactful change in the quality of preventive oral health services that are meaningful to Indigenous peoples.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».