The Quebec Rural Emergency Department Project: A Cross-Sectional Study of a Potential Two-Pronged Strategy in the Knowledge Transfer Process
Notice bibliographique
Résumé
INTRODUCTION: Health services research generates useful knowledge. Promotion of implementation of this knowledge in medical practice is essential. Prior to initiation of a major study on rural emergency departments (EDs), we deployed two knowledge transfer strategies designed to generate interest and engagement from potential knowledge users. The objective of this paper was to review: 1) a combined project launch and media press release strategy, and 2) a pre-study survey designed to survey potential knowledge users' opinions on the proposed study variables. MATERIALS AND METHODS: We evaluated the impact of the project launch (presentation at two conferences hosted by key stakeholders) and media press release via a survey of participants/stakeholders and by calculating the number of media interview requests and reports generated. We used a pre-study survey to collect potential key stakeholder' opinions on the study variables. RESULTS: Twenty-one of Quebec's 26 rural EDs participated in the pre-study survey (81% participation rate). The press release about the study generated 51 press articles and 20 media request for interviews, and contributed to public awareness of a major rural research initiative. In the pre-study survey, thirteen participants (46%) mentioned prior knowledge of the research project. Results from the pre-study survey revealed that all of the potential study variables were considered to be relevant for inclusion in the research project. Respondents also proposed additional variables of interest, including factors promoting retention of human resources. CONCLUSIONS: The present study demonstrated the potential utility of a two-pronged knowledge transfer strategy, including a combined formal launch and press release, and a pre-study survey designed to ensure that the included variables were of interest to participants and stakeholders.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».