MétaCan
Menu
Back to cohort
Record W4413272035 · doi:10.24095/hpcdp.45.7/8.03f

Changements dans les ressources et les activités de prévention des maladies chroniques au Canada pendant la pandémie de COVID-19

2025· article· fr· W4413272035 on OpenAlexaffvenueabout
Katerina Maximova, Maryam Marashi, Elizabeth Holmes, David L. Mowat, Greg Penney, Gilles Paradis, Jennifer O’Loughlin

Bibliographic record

VenuePromotion de la santé et prévention des maladies chroniques au Canada · 2025
Typearticle
Languagefr
FieldHealth Professions
TopicHealthcare Systems and Practices
Canadian institutionsUniversité de MontréalInstitut National de Santé Publique du QuébecCentre Hospitalier de l’Université de MontréalMcGill UniversityCanadian Public Health AssociationUniversity of TorontoCanadian Cancer SocietyPublic Health OntarioSt. Michael's Hospital
Fundersnot available
KeywordsPolitical science

Abstract

fetched live from OpenAlex

Introduction La pandémie de COVID-19 a perturbé les efforts de santé publique en matière de prévention des maladies chroniques au Canada et ailleurs. Nous décrivons les perturbations liées à la pandémie de COVID-19 dans les ressources et les activités de prévention des maladies chroniques au sein des organisations de santé publique canadiennes. Méthodologie Nous avons interrogé toutes les organisations canadiennes ayant un mandat de prévention primaire des maladies chroniques, que ce soient les « organisations ressources », celles qui développent ou transfèrent des initiatives de prévention des maladies chroniques, ou les « organisations utilisatrices », celles qui mettent en oeuvre ces initiatives auprès des populations cibles. Les informateurs clés les mieux informés sur les activités et les ressources de prévention des maladies chroniques au sein de chaque organisation ont fait état de changements liés à la pandémie dans les ressources ainsi que dans les activités de prévention des maladies chroniques. Les organisations utilisatrices ont également rendu compte de l’état d’avancement de 18 activités spécifiques de prévention des maladies chroniques et ont évalué si les mesures d’endiguement de la pandémie constituaient des obstacles ou des éléments facilitateurs pour ces activités. Résultats Sur les 298 organisations participantes (88 % de réponses), 129 étaient des organisations ressources (37 % d’organisations formellement mandatées, 63 % d’organisations non gouvernementales [ONG]) et 169 étaient des organisations utilisatrices (48 % d’organisations formellement mandatées, 52 % d’ONG). Dans l’ensemble, 36 % ont signalé une diminution du financement de la prévention des maladies chroniques (24 % majeure, 12 % mineure), entre 30 % et 41 % ont signalé une diminution du personnel à temps plein, des bénévoles et des gestionnaires (19 % à 27 % majeure, 11 % à 14 % mineure) et 32 % ont signalé une diminution des activités de prévention des maladies chroniques (23 % majeure, 9 % mineure). Les organisations formellement mandatées utilisatrices ont été les plus touchées par les réductions. Parmi les organisations utilisatrices, 16 % à 39 % ont réduit, suspendu ou interrompu des activités spécifiques de prévention des maladies chroniques. Dans le même temps, 8 % à 39 % ont augmenté leurs activités, en particulier celles ciblant la santé mentale, les populations marginalisées, les communautés racisées et des groupes spécifiques en matière de genre. La moitié (53 %) des organisations utilisatrices ont perçu les restrictions de contagion de la COVID-19 comme un obstacle aux activités de prévention des maladies chroniques. Conclusion La surveillance continue des ressources et des activités de prévention des maladies chroniques peut contribuer à la préparation aux situations d’urgence et garantir que la prévention des maladies chroniques reste une priorité lors des crises de santé publique.

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 imitation

Not 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.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.010
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.058
Threshold uncertainty score0.421

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.010
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.002
Science and technology studies0.0060.003
Scholarly communication0.0040.001
Open science0.0020.003
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0100.001

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.

Opus teacher head0.065
GPT teacher head0.427
Teacher spread0.362 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes3
Has abstractyes

Explore more

Same venuePromotion de la santé et prévention des maladies chroniques au CanadaSame topicHealthcare Systems and PracticesFrench-language works237,207