MétaCan
Menu
Retour à la cohorte
Enregistrement W2118016334 · doi:10.1186/1748-5908-9-35

Supporting collaborative use of the diabetes population risk tool (DPoRT) in health-related practice: a multiple case study research protocol

2014· article· en· W2118016334 sur OpenAlexafffundabout
Laura C. Rosella, Leslea Peirson, Catherine Bornbaum, Kathy Kotnowski, Michael Lebenbaum, Randy Fransoo, Patricia J. Martens, Patrícia Caetano, Carla Ens, Charles Gardner, David L. Mowat

Notice bibliographique

RevueImplementation Science · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensRegional Municipality of OttawaUniversity of ManitobaManitoba HealthPublic Health OntarioMcMaster University Medical CentreBarrie Urology GroupMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchPublic Health Agency of Canada
Mots-clésKnowledge translationHealth services researchMedicinePublic healthPopulation healthHealth informaticsHealth administrationHealth policyProtocol (science)PopulationKnowledge managementProcess managementMedical educationNursingEnvironmental healthComputer scienceBusinessAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health policy makers have stated that diabetes prevention is a priority; however, the type, intensity, and target of interventions or policy changes that will achieve the greatest impact remains uncertain. In response to this uncertainty, the Diabetes Population Risk Tool (DPoRT) was developed and validated to estimate future diabetes risk based on routinely collected population data. To facilitate use of DPoRT, we partnered with regional and provincial health-related decision makers in Ontario and Manitoba, Canada. Primary objectives include: i) evaluate the effectiveness of partnerships between the research team and DPoRT users; ii) explore strategies that facilitate uptake and overcome barriers to DPoRT use; and iii) implement and evaluate the knowledge translation approach. METHODS: This protocol reflects an integrated knowledge translation (IKT) approach and corresponds to the action phase of the Knowledge-to-Action (KtoA) framework. Our IKT approach includes: employing a knowledge brokering team to facilitate relationships with DPoRT users (objective 1); tailored training for DPoRT users; assessment of barriers and facilitators to DPoRT use; and customized dissemination strategies to present DPoRT outputs to decision maker audiences (objective 2). Finally, a utilization-focused evaluation will assess the effectiveness and impact of the proposed KtoA process for DPoRT application (objective 3). This research design utilizes a multiple case study approach. Units of analyses consist of two public health units, one provincial health organization, and one provincial knowledge dissemination team whereby we will connect with multiple regional health authorities. Evaluation will be based on analysis of both quantitative and qualitative data collected from passive (e.g., observer notes) and active (e.g., surveys and interviews) methods. DISCUSSION: DPoRT offers an innovative way to make routinely collected population health data practical and meaningful for diabetes prevention planning and decision making. Importantly, we will evaluate the utility of the KtoA cycle for a novel purpose - the application of a tool. Additionally, we will evaluate this approach in multiple diverse settings, thus considering contextual factors. This research will offer insights into how knowledge translation strategies can support the use of population-based risk assessment tools to promote informed decision making in health-related settings.

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)0,072
score de la tête « metaresearch » (Gemma)0,060
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0720,060
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,008
Études des sciences et des technologies0,0040,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,694
Tête enseignante GPT0,774
Écart entre enseignants0,081 · 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'étudeObservationnel
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

Citations10
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207