Rapport d’étape - Recenser les interventions axées sur l’équité visant à promouvoir un poids santé
Bibliographic record
Abstract
Introduction Nous avons élaboré des critères de sélection pour recenser les interventions en santé populationnelle axées sur l’équité à intégrer dans le Portail canadien des pratiques exemplaires de l’Agence de la santé publique du Canada. Nous les avons appliqués à la question du « poids santé », plus précisément de la prévention de l’obésité. Méthodologie Nous avons effectué une revue de la littérature et obtenu des commentaires d’examinateurs externes experts du domaine sur le thème des modifications des environnements intermédiaires. Les articles devaient décrire les résultats de l’intervention pour les groupes socialement désavantagés. Nous avons inclus les articles axés sur l’équité et les populations vulnérables, les études d’intervention ou d’évaluation, les déterminants sociaux de la santé et le poids santé ou la prévention de l’obésité. Nous avons ensuite évalué la qualité des données des études sélectionnées afin de déterminer si elles pouvaient être incluses dans le Portail canadien des pratiques exemplaires comme pratiques prometteuses. Résultats Seul un petit nombre d'articles recensés ont répondu aux critères de sélection axés sur l’équité (26 articles publiés sur les 2 823 examinés, soit 0,9 %). Six interventions (sur 26) ont été considérées comme des pratiques prometteuses. Conclusion Nos critères de sélection axés sur l’équité appliqués à la prévention de l’obésité nous ont permis de repérer des études sur les environnements intermédiaires, ce qui laisse penser que ces critères sont valables pour d'autres questions de santé publique. Surtout, grâce à nos travaux, le Portail s'est enrichi de la possibilité de recherche d'interventions axées sur l’équité.
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 | 0.042 | 0.088 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.021 | 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".