MétaCan
Menu
Retour à la cohorte
Enregistrement W4415010113 · doi:10.1177/26334895251385936

Intervention Activities and Implementation Strategies for School-Based Health Promotion: Identifying Core Functions and Forms to Facilitate Scale-up of an Effective Intervention

2025· article· en· W4415010113 sur OpenAlexaff
Julia Dabravolskaj, Jodi Kalubi, Julia E. Moore, Boshra A. Mandour, Camila Honorato, Paul J. Veugelers, Katerina Maximova

Notice bibliographique

RevueImplementation Research and Practice · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensPublic Health OntarioUniversity of TorontoUniversity of AlbertaSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Health promotionContext (archaeology)Public healthCore (optical fiber)DisadvantagedCore competencyVariety (cybernetics)

Résumé

récupéré en direct d'OpenAlex

Background: School-based health promotion is a key public health strategy to reduce disease burden and health inequalities. School-based interventions with local evidence of effectiveness need to be scaled up to maximize their benefits. A Project Promoting healthy Living for Everyone in Schools (APPLE Schools) is a health promoting school (HPS) intervention that targets schools in disadvantaged settings and has been shown to be effective in promoting children's healthy lifestyle behaviors and reducing health inequalities. To support its scale-up, we aimed to identify core functions (basic purposes driving intervention's effectiveness) and forms (specific content and delivery strategies implemented to achieve core functions). Method: We extracted 5,301 action items from 191 annual action plans written between 2011 and 2021 in 70 APPLE Schools. We followed an implementation science approach and used supervised machine learning algorithms to classify 2,683 unique action items into intervention activities and implementation strategies. Core functions were drawn from theoretical frameworks; forms were identified through thematic analysis. Results: We identified 55 forms and mapped them to 17 core functions of intervention activities and implementation strategies. The most common core functions of intervention activities were enablement (96%), modeling (66%), and education (54%); the most common core functions of implementation strategies were relational and organizational support context (86%), partnerships and networking (84%), student participation (78%), and professional development and learning (73%). The remaining core functions were identified in <50% of the schools. Forms included a broad range of activities, with a greater variety of those that addressed the most common core functions. Conclusions: We created matrices of core functions and forms of intervention activities and implementation strategies to inform the successful scale-up of APPLE Schools, an effective and cost-effective HPS intervention. These matrices can be used as a guide to improving existing HPS interventions and scaling them up to new settings.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,386
Tête enseignante GPT0,660
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImplementation Research and PracticeMême sujetSchool Health and Nursing EducationTravaux en français237 207