MétaCan
Menu
Retour à la cohorte
Enregistrement W4413409665 · doi:10.1017/dmp.2025.10155

“It’s Good to Always Have a Plan”: A Qualitative Study of Canadians’ Preparedness During Power Outages

2025· article· en· W4413409665 sur OpenAlexaffabout
Vidursana Thiraviyarajah, Abhinand Thaivalappil, Fatih Şekercioğlu, Greg Oulahen, Ian Young

Notice bibliographique

RevueDisaster Medicine and Public Health Preparedness · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Safety and Hygiene
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPreparednessFocus groupResilience (materials science)Qualitative researchPsychosocialBusinessEnvironmental healthPsychologyMedicinePolitical scienceMarketingSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Power outages can lead to food-borne and water-borne illness risks for consumers if proper protective measures are not taken at home. The purpose of this study was to understand the behaviors of Canadians related to food and water safety preparedness at home during power outages and floods. METHODS: A qualitative descriptive study was conducted, consisting of 6 virtual focus groups, each with 8 people, in July 2023. Participants were selected from geographically dispersed locations in Ontario, Canada that had experienced power outages due to weather events. Thematic analysis was conducted to generate key themes. RESULTS: Four themes were generated related to participants' food and water safety preparedness: 1) trusted information sources and lived experiences; 2) support and resources; 3) factors beyond one's control; and 4) differences in psychosocial determinants. CONCLUSIONS: Effective risk communication targeting misconceptions, incentivization programs, and community resilience planning may help prevent or reduce enteric illness risks during such emergencies.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,069
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0270,014
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
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 Opus0,076
Tête enseignante GPT0,363
Écart entre enseignants0,287 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisaster Medicine and Public Health PreparednessMême sujetFood Safety and HygieneTravaux en français237 207