The roles and influence of actors in the uptake of evidence: the case of malaria treatment policy change in Uganda
Notice bibliographique
Résumé
BACKGROUND: Uganda changed its malaria treatment policy in response to evidence of resistance to commonly used antimalarials. The use of evidence in policy development--also referred to as knowledge translation (KT)--is crucial, especially in resource-limited settings. However, KT processes occur amidst a complex web of stakeholder interactions. Stakeholder involvement in evidence generation and in KT activities is essential. In the present study, we explored how stakeholders impacted the uptake of evidence in the malaria treatment policy change in Uganda. METHODS: We employed a qualitative case study methodology involving interviews with key informants and review of documents. A timeline of events was developed, which guided the purposive sampling of respondents and identification of relevant documents. Data were analysed using inductive content analysis techniques. RESULTS: Stakeholders played multiple roles in evidence uptake in the malaria treatment policy change. Donors, the Ministry of Health (MoH), service providers, and researchers engaged in the role of evidence generation. The MoH, parliamentarians, and opinion leaders at the national and local levels engaged in dissemination of evidence. The donors, MoH, researchers, and service providers engaged in the uptake of evidence in policy development and implementation. Stakeholders exerted varying levels of support and influence for different reasons. It is noteworthy that all of the influential stakeholders were divided regarding the best antimalarial alternative to adopt. CONCLUSION: Our results showed a diverse group of stakeholders who played multiple roles, with varying levels of support and influence on the uptake of evidence in the malaria treatment policy change. For a given KT processes, mapping the relevant stakeholders and devising mechanism for their engagement and for how to resolve conflicts of interest and disagreements a priori will enhance uptake of evidence in policy development.
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 | 0,113 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,031 | 0,030 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».