The health and care workforce crisis: co-benefits of gender-transformative approaches and capacities for implementation
Notice bibliographique
Résumé
The health and care workforce crisis and gender inequalities are interconnected, threatening healthcare and equity. We turn this 'unhealthy' connection upside down, aiming to explore how health policy can create co-benefits for gender equality and how governance can support policy implementation. A conceptual approach on SDG3 'Health' and SDG5 'Gender Equality' co-benefits served our analysis. We applied a qualitative explorative approach to identify co-benefits; following a rapid scoping review of the literature, we focus on document analysis and an illustrative case study of artificial intelligence in the health and care workforce. The literature reveals an overall lack of attention to co-benefits in research. Policy documents pay some attention to co-benefits, but primarily consider the benefits for the healthcare sector rather than for gender equality. The case of artificial intelligence illustrates that technological innovations provide opportunities for change, but to create co-benefits, they need gender-responsive and equity-based policy approaches to enhance economically effective and socially fair transformations. We discuss how transformational leadership and gender-transformative governance approaches can support implementation of co-benefits policies. Strengthening the policy and implementation of co-benefits provides novel opportunities for improving gender equality and responding to the health and care workforce crisis.
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 | 0,075 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,088 |
| Communication savante | 0,022 | 0,025 |
| Science ouverte | 0,002 | 0,036 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».