Synergizing expectation and execution for stroke communities of practice innovations
Notice bibliographique
Résumé
BACKGROUND: Regional networks have been recognized as an interesting model to support interdisciplinary and inter-organizational interactions that lead to meaningful care improvements. Existing communities of practice within the a regional network, the Montreal Stroke Network (MSN) offers a compelling structure to better manage the exponential growth of knowledge and to support care providers to better manage the complex cases they must deal with in their practices. This research project proposes to examine internal and external factors that influence individual and organisational readiness to adopt national stroke best practices and to assess the impact of an e-collaborative platform in facilitating knowledge translation activities. METHODS: We will develop an e-collaborative platform that will include various social networking and collaborative tools. We propose to create online brainstorming sessions ('jams') around each best practice recommendation. Jam postings will be analysed to identify emergent themes. Syntheses of these analyses will be provided to members to help them identify priority areas for practice change. Discussions will be moderated by clinical leaders, whose role will be to accelerate crystallizing of ideas around 'how to' implement selected best practices. All clinicians (~200) involved in stroke care among the MSN will be asked to participate. Activities during face-to-face meetings and on the e-collaborative platform will be documented. Content analysis of all activities will be performed using an observation grid that will use as outcome indicators key elements of communities of practice and of the knowledge creation cycle developed by Nonaka. Semi-structured interviews will be conducted among users of the e-collaborative platform to collect information on variables of the knowledge-to-action framework. All participants will be asked to complete three questionnaires: the typology questionnaire, which classifies individuals into one of four mutually exclusive categories of information seeking; the e-health state of readiness, which covers ten domains of the readiness to change; and a community of practice evaluation survey. SUMMARY: This project is expected to enhance our understanding of collaborative work across disciplines and organisations in accelerating implementation of best practices along the continuum of care, and how e-technologies influence access, sharing, creation, and application 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 | 0,039 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».