The Dynamic Model of Health Assets: a model development
Notice bibliographique
Résumé
AIM: Epidemiological research on resistance and resilience can build on models of health developed in health promotion. Nevertheless, these models need to be adjusted to approaches currently employed in epidemiology; namely, included concepts should be easy to operationalize, and links between them should be simple enough to enable statistical modeling. In addition, these models should include both individual and environmental assets. The objective of this study is to consolidate the current knowledge on health assets, adjust them to epidemiological research needs, and propose a new model of health assets for epidemiological studies on health. DESIGN: The conceptual paper was conducted according to the guidelines for the model development. METHODS: The development of the new model was made from the perspective of salutogenesis - the branch of health promotion studying the origins of health. The analysis of literature on health promotion, public health, and positive psychology was conducted to find the links connecting individual and environmental assets. RESULTS: The newly developed Dynamic Model of Health Assets circularly links individual characteristics, actions, environments, and support. Each preceding component of the model contributes to the following one; each component also independently contributes to resistance and resilience. The new model may guide large-scale epidemiological research on resistance and resilience. The model's components are easy to operationalize; the model allows for constructing multilevel models and accounting for the dynamic nature of the relationships between components. It is also generic enough to be adjusted to studying contributors to resistance and resilience to different specific diseases. CONCLUSION: The new model can guide epidemiological studies on resistance and resilience.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».