Advancing health equity in Nova Scotia by exploring gaps in healthcare delivery: a mixed methods protocol
Notice bibliographique
Résumé
Population health issues are addressed by various regional initiatives in the Canadian province of Nova Scotia (NS). A need for research on the root causes of health inequities suggests there may be a lack of evidence to inform current initiatives within the region. To address this gap, a three-phase sequential mixed methods study called Advancing Health Equity in NS by Exploring Gaps in Healthcare Delivery will operationalize Intersectionality Theory and employ an integrated knowledge translation approach to identify and explore gaps in health service delivery. This will promote a better understanding of how to improve the integration of health equity in health service and delivery systems and thus population health and well-being. The following objectives will be addressed in each phase: 1) create an inventory of NS-relevant knowledge that relates to health equity, 2) examine the integration of health equity in NS health service and delivery systems using a context-specific health equity lens, and 3) mobilize knowledge on how gaps in service delivery can be addressed to improve the integration of health equity and better meet the needs of people living in NS. The study results from this protocol will be used to integrate health equity in NS health service and delivery systems, enhancing the quality of care for populations rendered vulnerable by structural inequalities, and working to prevent negative impacts to health and wellbeing.
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 | 0,109 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,007 |
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 ».