Developing the Community Paramedicine Needs Assessment Tool
Notice bibliographique
Résumé
Background/Objectives: Community paramedicine programs have existed since the early 2000s, and while resource optimization remains a predominant driver, innovation in recent years demonstrates that when community paramedicine is integrated into healthcare, it is well-positioned to support the needs of structurally marginalized communities by focusing services for those facing barriers to accessing equitable care. A recent scoping review described the evolving ways community paramedicine models are addressing health and social needs within communities around the world. We aimed to identify and explore existing community needs assessment tools in Canada to guide the initial development of a needs assessment tool for community paramedicine. Methods: We conducted a document analysis of existing community needs assessment resources to identify current tools or processes used to identify community needs, as well as determine gaps to address and support. Documents were collected for review via a targeted literature search of both published and gray sources, and direct document requests of community paramedicine service providers to review guides informing current service planning in Canada. We presented a draft of the tool to participants at a community paramedicine conference for their review and feedback, and we incorporated this feedback into the final version. Results: We reviewed 38 documents to identify and synthesize key elements within community health and social needs assessment tools and frameworks. Findings informed an interim Community Paramedicine Needs Assessment Tool (CPNAT) that the team presented to 112 community paramedicine experts and partners. We received 33 group responses of detailed feedback that we used to further refine and finalize the tool. Conclusions: The CPNAT can support enhanced health equity by guiding community paramedicine programs to better align services, policies, and funding with the health and social care needs of communities.
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 | 0,069 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,019 | 0,013 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».