Notice bibliographique
Résumé
With a significant growth in cost, and the growing demand of our healthcare systems as a result of populations living longer, there is growing recognition that a healthcare system based on deficit focused models and the treatment of symptoms is inadequate. Whilst health research is continually focussed on the cure of conditions and the management of health, and rightly so, there is also a move to target environment, cultural and economic factors in population health and wellbeing (Hanlon and Carlise 2012).<br/><br/>Exploring the Interconnectivity of health to other systems, we used the Manoa Method (Schulz 2015) in a workshop delivered at the Design + Health Symposium at Auckland University of Technology, New Zealand in September 2019, to map out the future of healthcare as a system connected to social, political, economic, science/technology and environmental factors. Participants included designers, healthcare practitioners and technologists from across New Zealand, Australia and Canada. Considering a landscape 20-30 years from now, the groups worked to identify and state a future scenario or trend (for example ‘earning healthcare by points’) related to each factor, and brainstormed 5-7 primary impacts, related to their chosen scenario. They then explored further associated impacts and mapped the overall connectivity.<br/><br/>This paper summarises the themes of each factor and discusses the future scenarios envisioned by the groups and their associated impacts to health. The paper also includes the mapping diagrams developed by participants, provoking questions, conversations and possible actions, such as ‘how would your organisation or community change to thrive in each scenario?’
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».