Building capacity for evidence-informed decision making in Canadian public health
Notice bibliographique
Résumé
Our research team partnered with three Canadian public health departments to study the impact of tailored knowledge translation and exchange (KTE) strategies on evidence-informed decision making (EIDM). We aimed to enhance public health EIDM knowledge, skills and behaviour and further facilitate organizational contexts conducive to EIDM. We used case study methodology and tailored the intervention and analysis to each unique case (i.e. health department). An experienced Knowledge Broker supported each case through a variety of strategies: large-group training with front-line staff; one-on-one consultation with specialists, guiding them through a structured EIDM process; and advice to management on organizational policies and procedures. Data were collected prior to, during, and following the intervention via an online survey (demographic information, self-reported EIDM behaviours, and social networks) and in-person assessment (EIDM knowledge and skills). Results across the three cases revealed a significant increase in EIDM knowledge and skills at follow-up, among those who worked closely with the Knowledge Broker (2.8 points out of a possible 36 points, (95% CI 2.0 to 3.6, p < 0.001)). Similarly, staff who worked closely with the Knowledge Broker showed significant improvement in the frequency of EIDM-related behaviours (OR 1.33, 95% CI 1.04 to 1.78, p = 0.02). Those not intensively involved, but who sought information from a peer considered an "expert", showed statistically significant improvements in EIDM behaviours (standardized beta coefficient: 0.29, p < 0.0001). Staff who were more central within the social network also showed greater improvement in EIDM behaviour at follow-up (standardized beta coefficient: 0.21, p= 0.09). These positive effects were sustained when organizational mechanisms were present. EIDM knowledge, skills and behaviours improved as a result of KTE strategies tailored to the unique needs of each health department. These findings suggest effective methods for developing capacity for EIDM and provide specific support for a tailored approach. This research was supported by the Canadian Institutes of Health Research (FRN 101867, 126353).
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 | 0,033 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 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 ».