Cross-Sector Collaboration to Improve Access to Community Services for People Living With Diabetes: Contributions From Actor-Network Theory
Notice bibliographique
Résumé
Diabetes is a global public health issue. The Public Health Agency of Canada published a Diabetes Framework 2022 which recommends collaborative work across sectors to mitigate the impact of diabetes on health and quality of life. Since 2020, the INMED-COMMUNITY pathway has been implemented in Laval, Québec developing collaboration between healthcare and community sectors through a participatory action research approach. The aim of this article is to gain a better understanding of the INMED-COMMUNITY pathway implementation process, based on the mobilization of network actor theory. Qualitative analysis of semi-structured interviews conducted from January to March 2023 with 12 participants from 3 different sectors (community, health system, research), were carried out using actor-network theory. The results explored the conditions for effective intersectoral collaboration in a participatory action research approach to implement the INMED-COMMUNITY pathway. These were: (1) contextualization of the project, (2) a consultation approach involving various stakeholders, (3) creation of new partnerships, (4) presence of a project coordinator, and (5) mobilization of stakeholders around a common definition of diabetes. Mediation supported by a project coordinator contributed to the implementation of an intersectoral collaborative health intervention, largely due to early identification of controversies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,015 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».