Roadmap for a Participatory Research–Practice Partnership to Implement Evidence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Our research team has undertaken implementation of evidence in the form of practice guideline recommendations for populations in hospital, community, and long-term care settings with diverse provider and patient populations (people with chronic wounds, e.g., pressure and leg ulcers, heart failure, stroke, diabetes, palliative care, cancer, and maternity care). Translating evidence into clinical practice at the point of care is a complex and often overwhelming challenge for the health system as well as for individual practitioners. PURPOSE: To ensure that best available evidence is integrated into practice, "local evidence" needs to be generated and this process accomplishes a number of things: it focuses all involved on the "same page," identifies important facilitating factors as well as barriers, provides empirical support for planning, and in itself is a key aspect of implementation. In doing this work, we developed a roadmap, the Queen's University Research Roadmap for Knowledge Implementation (QuRKI) that outlines three major phases of linked research and implementation activity: (1) issue identification/clarification; (2) solution building; and (3) implementation, evaluation, and nurturing the change. In this paper, we describe our practical experience as researchers working at point-of-care and how research can be used to facilitate the implementation of evidence. An exemplar is used to illustrate the fluid interplay of research and implementation activities and present the range of supporting research. IMPLICATIONS: QuRKI serves as a guide for researchers in the formation of a strategic alliance with the practice community for undertaking evidence-informed reorganization of care. Using this collaborative approach, researchers play an integral role in focusing on, and using evidence during all discussions. We welcome further evaluation of its usefulness in the field.
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.
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 | 0,063 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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 découle