A Guide for Developing Plain-Language and Contextual Summaries of Systematic Reviews in Agri-Food Public Health
Notice bibliographique
Résumé
The application of systematic reviews is increasing in the agri-food public health sector to investigate the efficacy of policy-relevant interventions. In order to enhance the uptake and utility of these reviews for decision-making, there is a need to develop summary formats that are written in plain language and incorporate supporting contextual information. The objectives of this study were (1) to develop a guideline for summarizing systematic reviews in one- and three-page formats, and (2) to apply the guideline on two published systematic reviews that investigated the efficacy of vaccination and targeted feed and water additives to reduce Salmonella colonization in broiler chickens. Both summary formats highlight the key systematic review results and implications in plain language. Three-page summaries also incorporated four categories of contextual information (cost, availability, practicality, and other stakeholder considerations) to complement the systematic review findings. We collected contextual information through structured rapid reviews of the peer-reviewed and gray literature and by conducting interviews with 12 topic specialists. The overall utility of the literature searches and interviews depended on the specific intervention topic and contextual category. In general, interviews with topic specialists were the most useful and efficient method of gathering contextual information. Preliminary evaluation with five end-users indicated positive feedback on the summary formats. We estimate that one-page summaries could be developed by trained science-to-policy professionals in 3-5 days, while three-page summaries would require additional resources and time (e.g., 2-4 weeks). Therefore, one-page summaries are more suited for routine development, while three-page summaries could be developed for a more limited number of high-priority reviews. The summary guideline offers a structured and transparent approach to support the utilization of systematic reviews in decision-making in this sector. Future research is necessary to evaluate the utility of these summary formats for a variety of end-users in different contexts.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».