MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408452342 · doi:10.1186/s12889-025-21297-3

Volvamos Juntos: evaluation of the implementation of a Social Health Intervention to mitigate the impact of Covid-19 in businesses in Antofagasta, Chile

2025· article· en· W4408452342 sur OpenAlexaff
Jaime Sapag, Mayra Martínez, Paola Cordón, PF Céspedes, Andrea Fernández, María Soledad Zuzulich, Paula Repetto, Guadalupe Echeverría, Hernán Cáceres, Blanca Peñaloza

Notice bibliographique

RevueBMC Public Health · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésFocus groupPsychological interventionMedicineImplementation researchBiostatisticsProgram evaluationMedical educationHealth careQualitative researchPublic healthPublic relationsNursingMarketingBusinessPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has had an impact not only on healthcare but also on labor and socioeconomic sectors worldwide, leading to the development of strategies to mitigate the crisis' widespread repercussions. In Antofagasta, Chile, an innovation project entitled Volvamos Juntos ("Let's Return Together") was developed to support a diverse group of micro and small businesses. The project consisted of accompanying companies in the process of reopening safely and included interventions ranging from educating and testing employees for COVID-19 to developing protocols to avoid contagion and other preventive measures. The evaluation of the project's implementation is presented here. METHODS: A mixed-methods, collaborative study was conducted, adhering to the Consolidated Framework for Implementation Research (CFIR) and Proctor's Implementation Outcomes, with an online survey, interviews, and focus groups with businesses' representatives, the implementation team, and program stakeholders. Quantitative analyses were descriptive: frequencies and means were calculated, along with dispersion measures as appropriate, and in some cases, ANOVA tests were performed to assess differences. Qualitative information was processed with content analysis. Finally, an integrated hybrid analysis was conducted, guided by the study's objectives and theoretical framework. RESULTS: A total of 156 leaders from 203 participating businesses answered the online survey (response rate: 76.8%), and 46 people participated in the qualitative component (31 in interviews, 15 in focus groups). Overall, the program's implementation according to different CFIR dimensions and certain outcomes was evaluated satisfactorily. In the survey, 96.7% participants rated the program's suitability as satisfactory to maximum (grades 5 to 7 out of 7), 92.3% rated the feasibility with an average of 6.0, 97.4% rated the sustainability with an average of 5.9, and 94.3% indicated that they would favorably recommend (grades 6 or 7) the program to other institutions. Strengths and weaknesses were identified, and lessons learned include the need to plan for changing contexts, the relevance of collaborative and interdisciplinary work, and the importance of flexible support processes that promote autonomy and sustainability. CONCLUSIONS: Volvamos Juntos met its proposed implementation objectives, despite several challenges. Reflections from this innovative social health program are relevant for the development of other interventions in times of crisis. TRIAL REGISTRATION: N/A.

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)0,013
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,523
Tête enseignante GPT0,710
Écart entre enseignants0,186 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetHealth Policy Implementation Science→Travaux en français237 207→