Establishing National Public Health Workforce Indicators for Monitoring and Planning
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic exposed challenges among Canada's public health workforce, including staffing shortages, burnout, and training gaps. However, national-level data remain inconsistent and fragmented. To support future planning, validated, standardized indicators are needed to assess and monitor this workforce. This study aims to develop and validate national indicators to assess workforce diversity, characteristics, skills, and needs. Methods A phased mixed-methods design is being used to modify the American Public Health Workforce Interests and Needs Survey (PH WINS) for Canada. This includes: (1) focus groups with public health decision-makers for indicator development; and (2) content and response validation with expert panels and cognitive interviews. The study is currently in its first phase. A qualitative descriptive approach is guiding six virtual focus groups (English and French) with 60 public health decision-makers (e.g., Medical Officers of Health) from diverse provinces and territories. Conventional content analysis is being used to identify key themes. Results Three virtual focus groups have been conducted with 26 public health leaders. Preliminary results suggest revisions to the PH WINS for the Canadian public health context with key themes of: a) work environment outcomes (e.g., valid measures of mental health); b) updated core competencies; c) incentives and benefit availability; d) commitment to health equity; and e) workforce composition aligned with national data standards. Conclusions Public health workforce census surveys require contextual modification. Final products will support individualized data collection for decision-making. Our study offers a framework for jurisdictions seeking to develop or adapt public health workforce indicators. Key messages • Validated, standardized indicators can guide evidence-informed strategies for recruitment, retention, workforce planning, and professional development in Canadian public health systems. • Tailored workforce indicators help capture Canada’s distinct public health needs, ensuring data reflects local contexts, informs policy, and supports equity and system-level 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 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 | 0,031 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».