Translating active living research into policy and practice: One important pathway to chronic disease prevention
Notice bibliographique
Résumé
Global concerns about rising levels of chronic disease make timely translation of research into policy and practice a priority. There is a need to tackle common risk factors: tobacco use, unhealthy diets, physical inactivity, and harmful alcohol use. Using evidence to inform policy and practice is challenging, often hampered by a poor fit between academic research and the needs of policymakers and practitioners--notably for active living researchers whose objective is to increase population physical activity by changing the ways cities are designed and built. We propose 10 strategies that may facilitate translation of research into health-enhancing urban planning policy. Strategies include interdisciplinary research teams of policymakers and practitioners; undertaking explicitly policy-relevant research; adopting appropriate study designs and methodologies (evaluation of policy initiatives as 'natural experiments'); and adopting dissemination strategies that include knowledge brokers, advocates, and lobbyists. Conducting more policy-relevant research will require training for researchers as well as different rewards in academia.
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 | 0,277 | 0,395 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,026 |
| Communication savante | 0,035 | 0,034 |
| Science ouverte | 0,009 | 0,034 |
| Intégrité de la recherche | 0,023 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,007 |
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 ».