Local Public Health Unit Priorities, Actions, and Barriers in Addressing Inequities During the COVID-19 Pandemic in Ontario, Canada
Notice bibliographique
Résumé
CONTEXT: The COVID-19 pandemic required a major response from local public health to reduce infections and manage inequities in COVID-19 outcomes. It is important to consider lessons learned from the COVID-19 pandemic response across local public health in order to prepare for future public health emergencies. OBJECTIVE: This study examined how local public health units (PHUs) in Ontario, Canada, addressed inequities in COVID-19 outcomes in their pandemic response. DESIGN: We contacted all 34 Ontario PHUs to participate in a survey on priorities, actions, and barriers to address health inequities in their COVID-19 response and conducted inductive content analysis on responses to identify themes. SETTING: Ontario, Canada. PARTICIPANTS: A total of 25 out of 34 local Ontario PHUs completed the survey. MAIN OUTCOME MEASURE: Public health unit-reported priorities and actions in addressing health inequities in their COVID-19 response. RESULTS: PHUs reported varied priorities in addressing health inequities. PHUs played a key role in coordinating an equity-focused response, including data analysis and reporting, engaging with community groups, and making cross-sector connections. However, important barriers remained, including a lack of community trust, frequent changes in guidance, lack of access to data on the social determinants of health, and a shortage of staffing and resources. CONCLUSION: Findings suggest ways to prioritize health equity in a public health emergency, including through properly resourcing PHUs, early planning and trust building, and improved equity-based data collection.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».