MétaCan
Menu
Retour à la cohorte
Enregistrement W4392059624 · doi:10.1353/hpu.2024.a919804

Advocating for Policy Change: Examples Emerging From a Medical-Legal Partnership in Primary Care

2024· article· en· W4392059624 sur OpenAlexaboutno aff
Nishwa Shah, Kim Radford, Steve Durant, Rami Shoucri, Jennifer Stone, Navindra Persaud, Andrew D. Pinto

Notice bibliographique

RevueJournal of Health Care for the Poor and Underserved · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipThematic analysisGovernment (linguistics)LegislationCitizenshipPublic relationsPolitical sciencePolicy advocacyHealth carePublic administrationNursingMedicineSociologyQualitative researchLawPolitics

Résumé

récupéré en direct d'OpenAlex

Medical-legal partnerships bring legal services directly into clinical settings. Policy advocacy is often opportunistic and varies across partnerships. Our objective was to study policy advocacy that emerged from a medical-legal partnership in Toronto over a four-year period. This study consisted of a document review and thematic analysis, triangulated with data from interviews with legal team members and health providers. We defined policy advocacy as actions associated with attempts to change policy or legislation. The medical-legal partnership engaged in seven distinct cases of policy advocacy: disability support form requirements, changing workplace review, challenging barriers to citizenship, housing, publicly funded medication program (pharma care), safe injection sites, and the need for increased social assistance. Actions taken included presentations at conferences and submissions of briefs to government. We found that a medical-legal partnership resulted in policy advocacy with issues arising from both the health and the legal team with impacts likely greater than if each group had acted alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,141
Tête enseignante GPT0,462
Écart entre enseignants0,321 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Care for the Poor and UnderservedMême sujetPrimary Care and Health OutcomesTravaux en français237 207