The case for knowledge translation: shortening the journey from evidence to effect
Notice bibliographique
Résumé
A large gulf remains between what we know and what we practise. Eisenberg and Garzon point to widespread variation in the use of aspirin, calcium antagonists, blockers, and anti-ischaemic drugs in the United States, Europe, and Canada despite good evidence on their best use. 1 Such variation is common not only internationally but within countries. 2 Large gaps also exist between best evidence and practice in the implementation of guidelines. Failure to follow best evidence highlights issues of underuse, overuse, and misuse of drugs 3 and has led to widespread interest in the safety of patients. ot surprisingly, many attempts have been made to reduce the gap between evidence and practice. These have included educational strategies to alter practitioners' behaviour 5 and organisational and administrative interventions. We explore three constructs: continuing medical education (CME), continuing professional development (CPD), and (the newest of the three) knowledge translation (box). Knowledge translation both subsumes and broadens the concepts of CME and CPD and has the potential to improve understanding of, and overcome the barriers to, implementing evidence based practice.
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 | 0,553 | 0,679 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,019 | 0,011 |
| Études des sciences et des technologies | 0,012 | 0,072 |
| Communication savante | 0,045 | 0,097 |
| Science ouverte | 0,015 | 0,054 |
| Intégrité de la recherche | 0,055 | 0,064 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».