Knowledge translation in sport injury prevention research: an example in youth ice hockey in Canada
Notice bibliographique
Résumé
There is a critical need for scientists to incorporate a knowledge translation (KT) perspective into research plans to demonstrate the relevance of research findings and evaluate their implications for health practice and policy. Since 2011, the British Journal of Sport Medicine ( BJSM ) has had a focus on implementation and dissemination research.1 This field is consistent with KT, which is the term used by the Canadian Institutes of Health Research (CIHR). As the following research example was conducted in Canada, the terminology KT is used, acknowledging similarities to implementation and dissemination concepts referred to elsewhere in BJSM . Using an interdisciplinary approach, the knowledge exchange process should influence healthcare professionals, community members and other decision-making groups. On the basis of the original model developed by van Mechelen et al ,2 injury prevention research in sport includes identification of injury burden, examination of risk factors, and development, implementation and evaluation of prevention strategies to reduce injury risk. As sport injury prevention programmes cannot be impactful without acceptance and adoption by targeted individuals, an extension of this model must include real-world implementation contexts and evaluation of their effectiveness in a broader, ecological context (figure 1).3 Figure 1 Sport Injury Prevention Research Centre adapted integrated knowledge translation model. The prevention of injuries and their long-term …
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 | 0,027 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,010 | 0,009 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,017 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».