How funding agencies can support research use in healthcare: an online province-wide survey to determine knowledge translation training needs
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: Health research funding agencies are increasingly promoting evidence use in health practice and policy. Building on work suggesting how agencies can support such knowledge translation (KT), this paper discusses an online survey to assess KT training needs of researchers and research users as part of a Canadian provincial capacity-building effort. METHODS: The survey comprised 24 multiple choice and open-ended questions including demographics, interest in learning KT skills, likelihood of participating in training, and barriers and facilitators to doing KT at work. More than 1,200 people completed the survey. The high number of responses is attributed to an engagement strategy involving partner organizations (health authorities, research institutes, universities) in survey development and distribution. SPSS was used to analyze quantitative results according to respondents' primary role, geographic region, and work setting. Qualitative results were analyzed in NVivo. RESULTS: Over 85 percent of respondents are interested in learning more about the top KT skills identified. Research producers have higher interest in disseminating research results; research users are more interested in the application of research results. About one-half of respondents require beginner-level training in KT skills; one-quarter need advanced training. Time and cost constraints are the biggest barriers to participating in KT training. More than one-half of respondents have no financial support for travel and almost one-half lack support for registration fees. Time is the biggest challenge to integrating KT into work. CONCLUSIONS: Online surveys are useful for determining knowledge translation training needs of researchers, research users and ultimately organizations. In this case, findings suggest the importance of considering all aspects of KT in training opportunities, while taking into account different stakeholder interests. Funders can play a role in developing new training opportunities as part of a broad effort, with partners, to build capacity for the use of health research evidence. Survey results would ideally be complemented with an objective needs assessment based on core competencies, and should be acted on in a way that acknowledges the complexity of knowledge translation in healthcare, existing training activities, and the expertise stakeholders already have but may not refer to as knowledge translation.
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.
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: non | Observationnel | high |
| grok | Métarecherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Observationnel | high |
| opus | Métarecherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Observationnel | high |
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 | 0,043 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle