MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406022460 · doi:10.1186/s12889-024-21118-z

Built environment change for injury prevention: insights from public health professionals across public health units in Ontario, Canada

2025· article· en· W4406022460 sur OpenAlexafffundabout
Emily McCullogh, Alison Macpherson, Daniel W. Harrington, Ian Pike, Brent Hagel, M. Claire Buchan, Pamela Fuselli, Sarah A. Richmond

Notice bibliographique

RevueBMC Public Health · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensParachuteUniversity of WaterlooAlberta Children's HospitalUniversity of CalgaryYork UniversityPublic Health OntarioUniversity of British ColumbiaUniversity of TorontoBC Children's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPublic healthThematic analysisContext (archaeology)MedicineOccupational safety and healthPublic relationsPoison controlEnvironmental healthHealth policyBiostatisticsQualitative researchNursingPolitical scienceSociologyGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Road-related injuries and deaths are among the most significant and avoidable public health problems in Canada. Modifications to the built environment (BE) can reduce injury rates for vulnerable road users (VRUs) and other priority populations who experience disproportionate risk. This paper highlights public health professionals' experiences working in injury prevention across Ontario public health units (PHUs) navigating barriers and facilitators to BE change. Their perspectives offer valuable insights that can support future BE change work in the Ontario public health context, thus illustrating the importance of including practitioners' voices in injury prevention research. METHODS: Qualitative data were collected for a larger pan-Canadian study examining barriers and facilitators to BE change from the perspectives of injury prevention and transport professionals working across a variety of sectors, including public health, using key informant interviews (KI) and virtual focus groups (VFGs). Participants (n = 9) from four PHUs are included in this present study: Peel Region; York Region; Peterborough; and Ottawa. Thematic analysis was used to organize and code the data in relation to the guiding principles of the Ontario Public Health Standards (OPHS), situating our results within the broader context of public health and road-related injury prevention in Ontario. RESULTS: Major barriers included motor vehicle prioritization and decision-making structures. Facilitators included partnerships and collaboration, champions and advocates, and access to data. Lastly, participants highlighted the important role of public health in BE change discussions and decision-making for road-related injury prevention. CONCLUSION: Public health professionals' insights about barriers and facilitators show that some of their work aligns with the existing OPHS. Needs of local populations are clearly identified, while local data illustrating the impact of public health interventions are lacking. There are limits to PHU's capacities, as well as the capacities of communities, which can be strengthened through the work of champions and advocates. Partnerships, collaboration, and engagement are also significant facilitators to BE change, aligning with the OPHS, but PHUs need to be involved more in BE change processes in order to prioritize the safety needs of VRUs in local 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,985

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0280,009
Communication savante0,0060,002
Science ouverte0,0030,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,176
Tête enseignante GPT0,396
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetUrban Transport and Accessibility→Travaux en français237 207→