The Use of Health Care Policy to Facilitate Evidence-based Knowledge Translation in Emergency Medicine
Notice bibliographique
Résumé
Health care policy can facilitate emergency medicine knowledge translation (KT). Because of this, the 2007 Academic Emergency Medicine Consensus Conference on KT identified a specific theme regarding issues of health care policy and KT. Six months before the Consensus Conference, international experts in the area were invited to communicate on health care policies regarding all areas of KT via e-mail and "Google groups." From this communication, and using available evidence, specific recommendations and research questions were developed. At the Consensus Conference, additional comments were incorporated. This report summarizes the results of this collaborative effort and provides a set of recommendations and accompanying research questions to guide development, implementation, and evaluation of health care policies intended to promote KT in emergency medicine. The recommendations are to 1a) involve appropriate stakeholders in the health care policy process; 1b) collaborate with policy makers when health care policy focus areas are being developed; 2) use previously validated clinical practice guideline development tools; 3) address implementation issues during the development of health care policies; 4) monitor outcomes with performance measures appropriate to different practice environments; and 5) plan periodic reviews to uncover new clinical evidence, new methods to improve KT, and new technologies. To advance the further development of these recommendations, a research agenda is proposed.
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 | 0,631 | 0,669 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,019 | 0,016 |
| Études des sciences et des technologies | 0,010 | 0,021 |
| Communication savante | 0,029 | 0,040 |
| Science ouverte | 0,008 | 0,030 |
| Intégrité de la recherche | 0,021 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».