MétaCan
Menu
Retour à la cohorte
Enregistrement W4403469853 · doi:10.12927/hcpol.2024.27413

Black Community Health Advocates in Ontario: A Look at Health Policy Engagement From the Ground Up

2024· article· en· W4403469853 sur OpenAlexaffvenueabout
Rhonda C. George

Notice bibliographique

RevueHealthcare policy · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensMcMaster UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCommon groundCommunity engagementHealth equityCommunity healthPolitical scienceEnvironmental healthPublic relationsPsychologyMedicineSocial psychologyHealth careLaw

Résumé

récupéré en direct d'OpenAlex

Study objectives: Disproportionately negative pandemic outcomes, lack of race-based data collection and poor engagement of Black communities in policy decision making have been widely documented for Black Canadians. We examine this to understand how formal public engagement processes might be more inclusive of Black peoples to inform more responsive policies. Methodology: cases, including people who have been at the forefront of high-impact work in this space and (2) participants whose mission and mandates represented diverse approaches and sub-populations. Results: Our findings suggest that while Black community advocates face systemic and contextual barriers, they also embody deep and multifaceted knowledge, training and experience, which inform the rich ways that they approach advocacy. Discussion: Despite its Ontario focus, this study adds breadth and depth to the existing literature on health policy and historically marginalized populations, offering broader lessons for policy makers across jurisdictions. Our findings encourage policy makers to better recognize, make space for and cultivate fertile advocacy foundations, cultural knowledge and community-driven systems already present in Black communities.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,007
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,163
Tête enseignante GPT0,488
Écart entre enseignants0,326 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetPrimary Care and Health OutcomesTravaux en français237 207