Training Practitioners in Evidence-Based Chronic Disease Prevention for Global Health
Notice bibliographique
Résumé
Too often, public health decisions are based on short-term demands rather than long-term research and objectives. Policies and programmes are sometimes developed around anecdotal evidence. The Evidence-Based Public Health (EBPH) programme trains public health practitioners to use a comprehensive, scientific approach when developing and evaluating chronic disease programmes. Begun in 2002, the EBPH programme is an international collaboration. The course is organized in seven parts to teach skills in: 1) assessing a community's needs; 2) quantifying the issue; 3) developing a concise statement of the issue; 4) determining what is known about the issue by reviewing the scientific literature; 5) developing and prioritizing programme and policy options; 6) developing an action plan and implementing interventions; and 7) evaluating the programme or policy. The course takes an applied approach and emphasizes information that is readily available to busy practitioners, relying on experiential learning and includes lectures, practice exercises, and case studies. It focuses n using evidence-based tools and encourages participants to add to the evidence base in areas where intervention knowledge is sparse. Through this training programme, we educated practitioners from 38 countries in 4 continents. This article describes the evolution of the parent course and describes experiences implementing the course in the Russian Federation, Lithuania, and Chile. Lessons learned from replication of the course include the need to build a "critical mass" of public health officials trained in EBPH within each country and the importance of international, collaborative networks. Scientific and technologic advances provide unprecedented opportunities for public health professionals to enhance the practice of EBPH. To take full advantage of new technology and tools and to combat new health challenges, public health practitioners must continually improve their skills.
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 | 0,045 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,012 |
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 ».