Translating Cancer Control Research Into Primary Care Practice: A Conceptual Framework
Notice bibliographique
Résumé
Effective dissemination, implementation, and adoption of research-tested lifestyle risk factor interventions within primary care are critical to reduce cancer morbidity and mortality. The objective of this study is to identify short- and long-term action steps within primary care research and practice to bridge the discovery-to-delivery gap in cancer prevention and control. Experts in primary care research and practice from the United States and Canada participated in this qualitative project. Concept mapping was used to synthesize expert input on actions to improve research-practice integration in cancer prevention and control. Results were used to facilitate an action-planning meeting among primary care researchers and practitioners. Five areas were identified as critical to improving the integration of research and practice in cancer prevention and control: (1) stakeholder collaborations, (2) organizational culture and structure, (3) learning infrastructure, (4) incentives and funding, and (5) data and accountability systems. Addressing the discovery-to-delivery gap in primary care requires collaboration among researchers and practitioners throughout the knowledge production cycle. The model developed in this project can be used to stimulate actions at the individual, organizational, and systems level to reduce the burden of cancer related to lifestyle risk factors.
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 | 0,099 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,008 | 0,052 |
| Communication savante | 0,022 | 0,017 |
| Science ouverte | 0,007 | 0,013 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».