Implementation research evidence uptake and use for policy-making
Notice bibliographique
Résumé
A major obstacle to the progress of the Millennium Development Goals has been the inability of health systems in many low- and middle-income countries to effectively implement evidence-informed interventions. This article discusses the relationships between implementation research and knowledge translation and identifies the role of implementation research in the design and execution of evidence-informed policy. After a discussion of the benefits and synergies needed to translate implementation research into action, the article discusses how implementation research can be used along the entire continuum of the use of evidence to inform policy. It provides specific examples of the use of implementation research in national level programmes by looking at the scale up of zinc for the treatment of childhood diarrhoea in Bangladesh and the scaling up of malaria treatment in Burkina Faso. A number of tested strategies to support the transfer of implementation research results into policy-making are provided to help meet the standards that are increasingly expected from evidence-informed policy-making practices.
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 | 0,532 | 0,733 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,029 | 0,025 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,029 | 0,023 |
| Science ouverte | 0,010 | 0,017 |
| Intégrité de la recherche | 0,015 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,013 |
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 ».