MétaCan
Menu
Retour à la cohorte
Enregistrement W2153788495 · doi:10.5681/hpp.2012.015

Factors that Facilitate and Impede Effective Knowledge Translation in Population Health Promotion: Results from a Consultation Workshop in Iran

2012· article· en· W2153788495 sur OpenAlexaff
Shahin Shooshtari

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesUniversity of TabrizTabriz University of Medical Sciences
Mots-clésKnowledge translationHealth promotionPromotion (chess)StakeholderPublic healthHealth educationMedical educationPopulationMedicinePublic relationsNursingPsychologyPolitical scienceKnowledge managementEnvironmental healthComputer sciencePolitics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The workshop that this paper reports, held in Iran in May of 2011, at the 1st Inter-national and 4th National Congress on Health Education and Promotion, had three main objec-tives: 1) to introduce participants to the knowledge translation (KT) concept, along with its mod-els and methods; 2) to enhance participants' knowledge of how KT could apply to public health education and promotion ; and 3) to learn from different participating stakeholder groups about the factors that facilitate or impede effective KT in public health education and promotion in Iran. METHODS: The workshop consisted of three components: introducing the KT concept, assessing the KT capacity of participants, and facilitating a discussion of the important contextual factors that promote and impede effective KT. Of the 26 individuals from across the country participat-ing in the workshop, 17 took part in a KT capacity assessment activity. They classified them-selves into one of the following three stakeholder groups: administrators and policymakers (n=6), practitioners (n=2), and researchers (n=9). RESULTS: There were different capacities for KT across the three stakeholder groups. The re-ported challenges for effective KT include "lack of resources and funding"; "lack of time"; "poor quality of relationships and lack of trust between health policymakers, administrators, re-searchers, and clinicians"; "inadequate skills possessed by healthcare professionals and adminis-trators for assessment and adaptation of research findings"; and "poor involvement of commu-nity partners in the research process." DISCUSSION: There is a great need to develop effective strategies to overcome the reported barri-ers for effective KT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,047
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,248

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0120,005
Communication savante0,0040,003
Science ouverte0,0030,009
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,758
Tête enseignante GPT0,585
Écart entre enseignants0,173 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealth Policy Implementation ScienceTravaux en français237 207