Evaluating intersectoral collaboration in health promotion: development of a conceptual framework
Notice bibliographique
Résumé
Abstract Issue In Québec, Canada, public health authorities position intersectoral collaboration as a core element of its professional practice in face of the increasing complexity of public health challenges. However, several obstacles to effective collaboration may arise and a structured analysis of the health impact of the collaborative spaces is required to ensure good allocation of resources. Practice description The aim was to develop a framework for the evaluation and prioritization of intersectoral collaborative spaces. Specifically, we aimed to identify key criteria for 1) effectiveness; 2) feasibility and 3) prioritizing of collaborative spaces. The framework was developed and validated using existing evaluation tools identified through a rapid review of literature, combined with a qualitative, consensus-based research method with seven experts in health promotion. Results The final framework comprises 15 criteria covering four essential domains: (1) relevance of the collaboration; (2) magnitude of the health issues; (3) potential influence of the collaboration on these issues; and (4) feasibility of the collaborative process. The framework was used by different regional public health authorities and supported more strategic prioritization of resource allocation. It also enhanced the potential health impact of selected collaborations, while increasing intersectoral partners’ commitment into the collaboration process. Lessons Using the framework showed that scores should not be viewed as an absolute, but rather be interpreted alongside qualitative insights to support the prioritization of collaborative efforts. Our innovative approach highlights the critical need for rigorous and reproducible analysis of intersectoral collaborations to ensure their effectiveness and impact. Key messages • Intersectoral collaboration is key in health promotion. • Rigorous, reproducible evaluation helps ensure its effectiveness and strengthens the credibility of public health action.
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 | 0,181 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,021 | 0,013 |
| Études des sciences et des technologies | 0,014 | 0,037 |
| Communication savante | 0,022 | 0,017 |
| Science ouverte | 0,006 | 0,026 |
| Intégrité de la recherche | 0,005 | 0,005 |
| 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 ».