Preparation, Participation and Impact (PPI): the best practice principles of Place-Based Approaches (PBAs)
Notice bibliographique
Résumé
Place-based approaches (PBAs) are becoming increasingly popular across government, public health research and practice to improve health and wellbeing in areas of poor health and disadvantage. As a relatively new approach, the literature on best practice for PBAs is emergent, and delivery methods are often diverse. We explored the essential key principles and considerations for best practice, with the aim of developing a framework for PBAs. Using Grounded Theory methodology, 23 interviews were conducted with participants from Australia, United Kingdom, Canada and New Zealand. Purposive sampling was used to recruit community members, policymakers and funders, program officers, Aboriginal leaders and researchers. The data was analysed thematically. We identified three key principles of PBAs: Preparation, Participation and Impact (PPI) which are critical at all stages to reach the key outcomes of: 1. Understanding People and Place; 2. Connecting with Community; and 3. Shifting the System. At all times, the need to ensure that power is balanced is critical to fostering an inclusive engagement process. By following the principles outlined in this evidence-based framework, communities, funders and those involved in developing and delivering place-based programs can work together to address complex problems in a way that values the lived experience of community members and optimises the chances of achieving long-term health improvement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».