MétaCan
Menu
Retour à la cohorte
Enregistrement W2116016506 · doi:10.1177/0163278710393954

“It’s a Feel. That’s What a Lot of Our Evidence Would Consist of ”: Public Health Practitioners’ Perspectives on Evidence

2011· article· en· W2116016506 sur OpenAlexafffund
Joan Higgins, Karen Strange, Jennifer Scarr, Michael J. Pennock, Victoria Barr, Ann Yew, Janine Drummond, Jennifer Terpstra

Notice bibliographique

RevueEvaluation & the Health Professions · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiquePublic Health Policies and Education
Établissements canadiensUniversity of British ColumbiaSimon Fraser UniversityIsland HealthVancouver Coastal HealthUniversity of Victoria
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésGrassrootsEvidence-based practiceTacit knowledgePublic healthPublic relationsDisciplineWork (physics)Medical educationMedicinePsychologyNursingSociologyAlternative medicinePolitical scienceKnowledge managementPoliticsSocial science

Résumé

récupéré en direct d'OpenAlex

This article describes how evidence is defined and used in two British Columbia public health departments during the implementation of a Healthy Living initiative in 2009. Through interviews with 21 public health staff and decision makers, the author sought to investigate how "evidence" was defined by both frontline and management staff and how it was used in decision making. The authors found public health staff, particularly frontline practitioners, to be drawn to grassroots and local "lived experience" evidence. This tacit wisdom, in combination with evidence from academia and clinical evidence accessed through disciplinary or professional networks, offered a knowledge transition opportunity to inform decision making, rather than what can be characterized in the literature as unidirectional knowledge translation. It is often difficult for staff to digest and interpret research as part of their work day because of the volume and density of information that typically counts as evidence. Moreover, there exist challenges to identify and gather indicators as evidence of their work.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,041
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0410,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,760
Tête enseignante GPT0,606
Écart entre enseignants0,154 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvaluation & the Health ProfessionsMême sujetPublic Health Policies and EducationTravaux en français237 207