Der Setting-Ansatz in der Gesundheitsförderung: Genealogie, Konzeption, Praxis, Evidenzbasierung
Bibliographic record
Abstract
Der Setting-Ansatz gilt in der Gesundheitsförderung als Schlüsselstrategie zur Umsetzung der Prinzipien der Ottawa-Charta. Er wird auf der einen Seite in großer Vielfalt praktisch realisiert und hat auf politischer Ebene Eingang in die Aktivitäten der gesetzlichen Krankenkassen zur Umsetzung des § 20 SGB V sowie die geplante Verabschiedung eines Präventionsgesetzes gefunden. Die konzeptionelle Basis des Setting-Ansatzes auf der anderen Seite ist geprägt durch eine Reihe von Unklarheiten, die sowohl die Definition und Eingrenzung von Settings, die zugrundeliegenden Wirkungstheorien als auch die methodischen Kernkomponenten wie Partizipation, Empowerment oder Strukturentwicklung betreffen. Eine Evidenzbasis des Setting-Ansatzes existiert aufgrund von vielfältigen Problemen der Evaluation und Verwertung der Ergebnisse noch nicht. Eine umfassende Darstellung des Diskurses über den Setting-Ansatz liegt in der Literatur ebenfalls noch nicht vor. Gegenstand dieser Arbeit ist die Darstellung und Zusammenführung der vorliegenden Erkenntnisse und Diskussionsstränge zu einem umfassenden Bild über die Hintergründe, den Status quo und die aktuellen Herausforderungen des Setting- Ansatzes in der Gesundheitsförderung. Im Mittelpunkt stehen Ansatzpunkte zur konzeptionellen Klärung und Weiterentwicklung des Ansatzes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.074 | 0.096 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.004 | 0.037 |
| Scholarly communication | 0.020 | 0.016 |
| Open science | 0.005 | 0.013 |
| Research integrity | 0.007 | 0.014 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".