MétaCan
Menu
Retour à la cohorte
Enregistrement W4401811204 · doi:10.55016/ojs/sppp.v15i1.73020

How Governments Could Best Engage Community Organizations to Co-Design COVID-19 Pandemic Policies for Persons with Disabilities

2022· article· en· W4401811204 sur OpenAlexaffabout
Ash Seth, Meaghan Edwards, Jennifer Zwicker

Notice bibliographique

RevueThe School of Public Policy Publications · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Political sciencePublic relationsBusinessMedicineVirologyInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic and the policy measures adopted in response have disproportionately impacted persons with disabilities. Given the increased risk of COVID-19 and the resulting health impact for this vulnerable population, governments must engage stakeholders such as community organizations to co-design pandemic response plans. Collaboration with key stakeholders could assist in transforming services in crucial areas, such as health, where emergency policies are organized around the needs of persons with disabilities. Unfortunately, there is inadequate data collection and insufficient emergency preparedness planning and responses for persons with disabilities. This knowledge gap means consideration of health and social policy implications specific to the needs and experiences of persons with disabilities is lacking. This research study aimed to evaluate strategies through which decision-makers could engage stakeholders, such as community organizations, to co-design disability-inclusive policy responses during the COVID-19 outbreak in Alberta. Through interviews, the study focused on understanding the level of engagement, barriers to community organizations’ engagement and participatory policy aspects best suited for co-design. Key findings from the research highlighted the participants’ viewpoints on barriers, facilitators, preferences and other critical approaches through which decision-makers engage with community organizations. Results highlighted that top-down and tokenistic consultation approaches limit community organizations’ engagement in designing pandemic planning and response. Inaccessible ways of consultation and navigation barriers exacerbate obstacles to stakeholder engagement. Stakeholder engagement in data surveillance efforts was unclear, and the impact assessment process needs strengthening. The study results also showed that having COVID-19 disability advisory groups at the federal and provincial levels are a robust mechanism to connect communities with the government. However, the process of influencing government decision-making and policy actions needs to be openly communicated to civil society. Solutions are achievable. Political commitment, long-term investments and an accessible engagement environment would significantly improve stakeholder engagement. Governments must transition from traditional consultative methods to sustainable engagement practices while sharing how public policies reflect communities’ input. Financial investments must create an accessible consultation environment for designing participatory pandemic policies that reflect the priorities of persons with disabilities. Some key recommendations emerging from our analysis include: Invest financially to create an accessible consultation environment for co- designing policies. Consult stakeholders to develop new regulations or adjust existing ones to create inclusive pandemic response plans. Inform how pandemic response plans include and address community inputs and concerns in a transparent manner. Professionally contract stakeholders to co-design and communicate pandemic information. Engage with multiple stakeholders to evaluate the impact of pandemic response plans.

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)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0050,001
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,149
Tête enseignante GPT0,336
Écart entre enseignants0,187 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe School of Public Policy PublicationsMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207