Using the Delphi and Snow Card Techniques to Build Consensus Among Diverse Community and Academic Stakeholders
Notice bibliographique
Résumé
BACKGROUND: The New York University- New York City Health and Hospitals Corporation (NYU-HHC) Clinical and Translational Science Institute (CTSI) used a community-based participatory research (CBPR) and consensus-building approach among its community advisory board (CAB) and steering committee (SC) members to formulate research priorities to foster shared research collaborations. METHODS: The Delphi technique is a methodology used to generate consensus from diverse perspectives and organizational agendas through a multi-method, iterative approach to collecting data. A series of on-line surveys was conducted with CAB members to identify health and research priorities from the community perspective. Subsequently, CAB and SC members were brought together and the snow card approach was utilized to narrow to two priority areas for shared research collaborations. RESULTS: Cardiovascular disease (CVD)/obesity and mental health were identified as health disparity areas for shared research collaborations within a social determinants framework. In response, two workgroups were formed with leadership provided by three co-chairs representing the three constituents of the NYU-HHC CTSI: NYU faculty, HHC providers, and community leaders CONCLUSIONS: The Delphi approach fostered ownership and engagement with community partners because it was an iterative process that required stakeholders' input into decision making. The snow card technique allowed for organizing of a large number of discrete ideas. Results have helped to inform the overall CTSI research agenda by defining action steps, and setting an organizing framework to tackle two health disparity areas. The process helped ensure that NYUHHC CTSI research and community engagement strategies are congruent with community priorities.
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 | 0,293 | 0,229 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,010 | 0,011 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».