Improving the Utilization of Research Knowledge in Agri-food Public Health: A Mixed-Method Review of Knowledge Translation and Transfer
Notice bibliographique
Résumé
Knowledge translation and transfer (KTT) aims to increase research utilization and ensure that the best available knowledge is used to inform policy and practice. Many frameworks, methods, and terms are used to describe KTT, and the field has largely developed in the health sector over the past decade. There is a need to review key KTT principles and methods in different sectors and evaluate their potential application in agri-food public health. We conducted a structured mixed-method review of the KTT literature. From 827 citations identified in a comprehensive search, we characterized 160 relevant review articles, case studies, and reports. A thematic analysis was conducted on a prioritized and representative subset of 33 articles to identify key principles and characteristics for ensuring effective KTT. The review steps were conducted by two or more independent reviewers using structured and pretested forms. We identified five key principles for effective KTT that were described within two contexts: to improve research utilization in general and to inform policy-making. To ensure general research uptake, there is a need for the following: (1) relevant and credible research; (2) ongoing interactions between researchers and end-users; (3) organizational support and culture; and (4) monitoring and evaluation. To inform policy-making, (5) researchers must also address the multiple and competing contextual factors of the policy-making process. We also describe 23 recommended and promising KTT methods, including six synthesis (e.g., systematic reviews, mixed-method reviews, and rapid reviews); nine dissemination (e.g., evidence summaries, social media, and policy briefs); and eight exchange methods (e.g., communities of practice, knowledge brokering, and policy dialogues). A brief description, contextual example, and key references are provided for each method. We recommend a wider endorsement of KTT principles and methods in agri-food public health, but there are also important gaps and challenges that should be addressed in the future.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».