Effective decision-making in public health organizations: reference to the COVID-19 pandemic
Notice bibliographique
Résumé
PURPOSE: The role of public health organizations during the COVID-19 pandemic was crucial. These groups acted to slow the spread of infection through the implementation of initiatives, policies, research and more. However, the rapidly changing and uncertain climate of the pandemic resulted in suboptimal processes and decision-making within these organizations. These already complex organizations and networks of people became even more nuanced. Thus, organizational decision-making processes must be improved upon based on previous experiences and lessons learnt. With minimal peer-reviewed literature available, resources for effective organizational decision-making in these organizations are scarce. This served as the impetus for this review. DESIGN/METHODOLOGY/APPROACH: To conduct this literature review, both peer-reviewed and grey literature were incorporated to better understand effective organizational decision-making practices for public health organizations. Recommendations found in the literature review were identified, coded and themed to provide a novel decision-making framework to be used by public health executives. FINDINGS: Nine key themes of effective organizational decision-making were identified, including utilize decision-making tools, define the problem and acknowledge an imminent decision, establish decision rights, outline a clear escalation path, create a supportive organizational culture, set decision objectives and goals, and evaluate decision alternatives. These findings in conjunction with existing decision-making models were used to create a seven-step effective decision-making framework for public health organizations. ORIGINALITY/VALUE: The review and analysis of effective organizational decision-making practices is instructive. Public health executives and decision-makers should incorporate the themes identified and employ the proposed decision-making framework to encourage improved decision-making practices.
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 | 0,092 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,008 | 0,017 |
| Communication savante | 0,018 | 0,015 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».