The role and theoretical evolution of knowledge translation and exchange in public health
Notice bibliographique
Résumé
BACKGROUND: There is an increased emphasis in public health research on effective models and strategies to support knowledge translation (KT), the exchange, synthesis and ethically sound application of research findings within a complex set of interactions among researchers and knowledge users. In other words, KT can be seen as an acceleration of the knowledge cycle-an acceleration of the natural transformation of knowledge into use (Canadian Institutes of Health Services Research. Knowledge Translation Strategy, 2004). The most recent conceptualizations consider the complexities of public health decision-making. The role of practitioners and communities is increasingly considered. METHODS: We identify, describe and discuss the theoretical underpinnings of KT and recommend a way forward to build the evidence for more effective practice. RESULTS: Theoretical perspectives increasingly influence research on KT in public health. A range of innovative work is being conducted to explore methods for KT using practical tools, often with the support of government. CONCLUSIONS: KT describes a crucial and to date under-developed element of the research process. There is an important gap in theoretically informed empirical studies of effectiveness of proposed approaches in public health, health promotion and preventive medicine, and thus much of the debate remains abstract. There is clearly an urgent policy need to establish the effectiveness of KT models in a range of contexts. This must include both the consideration of development and the utilization of knowledge.
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 | 0,080 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,043 |
| Communication savante | 0,015 | 0,027 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».