Critical examination of knowledge to action models and implications for promoting health equity
Notice bibliographique
Résumé
INTRODUCTION: Knowledge and effective interventions exist to address many current global health inequities. However, there is limited awareness, uptake, and use of knowledge to inform action to improve the health of disadvantaged populations. The gap between knowledge and action to improve health equity is of concern to health researchers and practitioners. This study identifies and critically examines the usefulness of existing knowledge to action models or frameworks for promoting health equity. METHODS: We conducted a scoping review of existing literature to identify knowledge to action (KTA) models or frameworks and critiqued the models using a health equity support rubric. RESULTS: We identified forty-eight knowledge to action models or frameworks. Six models scored between eight and ten of a maximum 12 points on the health equity support rubric. These high scoring models or frameworks all mentioned equity-related concepts. Attention to multisectoral approaches was the factor most often lacking in the low scoring models. The concepts of knowledge brokering, integrative processes, such as those in some indigenous health research, and Ecohealth applied to KTA all emerged as promising areas. CONCLUSIONS: Existing knowledge to action models or frameworks can help guide knowledge translation to support action on the social determinants of health and health equity. There is a need to further test existing models or frameworks. This process should be informed by participatory and integrative research. There is room to develop more robust equity supporting models.
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 | 0,134 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,011 | 0,017 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».