Bridging the Gap between Clinical Research and Knowledge Translation in Pediatric Emergency Medicine
Notice bibliographique
Résumé
In 2006, a multidisciplinary group of researchers from across Canada submitted a successful application to the Canadian Institutes for Health Research for a Canadian Institutes for Health Research Team in Pediatric Emergency Medicine. The conceptual foundation for the proposal was to bring together two areas deemed critical for optimizing health outcomes: clinical research and knowledge translation (KT). The framework for the proposed work is an iterative figure-eight model that provides logical steps for research and a seamless flow between the development and evaluation of therapeutic interventions (clinical research) and the implementation and uptake of those interventions that prove to be effective (KT). Under the team grant, we will conduct seven distinct projects relating to the two most common medical problems affecting children in the emergency department: respiratory illness and injury. The projects span the research continuum, with some projects targeting problems for which there is little evidence, while other projects involve problems with a strong evidence base but require further work in the KT realm. In this article, we describe the history of the research team, the research framework, the individual research projects, and the structure of the team, including coordination and administration. We also highlight some of the many advantages of bringing this research program together under the umbrella of a team grant, including opportunities for cross-fertilization of ideas, collaboration among multiple disciplines and centers, training of students and junior researchers, and advancing a methodological research agenda.
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 | 0,442 | 0,407 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,026 | 0,076 |
| Communication savante | 0,041 | 0,037 |
| Science ouverte | 0,007 | 0,039 |
| Intégrité de la recherche | 0,013 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».