Lost in (Knowledge) Translation!
Notice bibliographique
Résumé
Critical care nutrition guidelines have been developed to help busy practitioners decide how to feed their critically ill patients. However, despite the publication of guidelines and efforts to disseminate and implement them, there are large gaps between what the recommendations say and what is happening at the bedside. Consequently, the nutrition therapy received by many patients remains suboptimal. Knowledge translation is a term increasingly used in healthcare to describe the process of moving evidence learned from clinical research and summarized in clinical practice guidelines to incorporation into clinical and policy decision making. In this article, knowledge about the implementation of critical care nutrition guidelines is applied to Graham et al's knowledge-to-action model to illuminate the issues pertinent to knowledge translation in critical care nutrition. This model has 2 components: knowledge creation and action. The action component consists of 8 phases of the action cycle that represent activities needed to move knowledge into practice and are derived from planned-action theory. Components of this model are illustrated via empirically derived research, commentaries, and published studies from the field of critical care nutrition. It is hoped that this article and related articles in this issue of JPEN will help critical care nutrition practitioners to better understand the often complex and convoluted road of translating knowledge into practice so that as a community we are no longer "lost" but have direction that can bring about positive changes in nutrition practice.
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 | 0,063 | 0,283 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,023 |
| Communication savante | 0,019 | 0,038 |
| Science ouverte | 0,004 | 0,019 |
| Intégrité de la recherche | 0,014 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,017 |
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 ».