A tool to analyze the transferability of health promotion interventions
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 promotion interventions are often complex and not easily transferable from one setting to another. The objective of this article is to present the development of a tool to analyze the transferability of these interventions and to support their development and adaptation to new settings. METHODS: The concept mapping (CM) method was used. CM is helpful for generating a list of ideas associated with a concept and grouping them statistically. Researchers and stakeholders in the health promotion field were mobilized to participate in CM and generated a first list of transferability criteria. Duplicates were eliminated, and the shortened list was returned to the experts, scored for relevance and grouped into categories. Concept maps were created, then the project team selected the definitive map. From the final list of criteria thus structured, a tool to analyze transferability was created. This tool was subsequently tested by 15 project leaders and nine experts. RESULTS: In all, 18 experts participated in CM. After testing, a tool, named ASTAIRE, contained 23 criteria structured into four categories: population, environment, implementation, and support for transfer. It consists of two tools--one for reporting data from primary interventions and one for analyzing interventions' transferability and supporting their adaptation to new settings. CONCLUSION: The tool is helpful for selecting the intervention to transfer into the setting being considered and for supporting its adaptation. It also facilitates new interventions to be produced with more explicit transferability criteria.
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 | 0,024 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle