MétaCan
Menu
Retour à la cohorte
Enregistrement W2165522200 · doi:10.1186/1748-5908-5-79

Conservation of resources theory and research use in health systems

2010· article· en· W2165522200 sur OpenAlexafffundabout
Celeste Alvaro, Renée Lyons, Grace Warner, Stevan E. Hobfoll, Patricia J. Martens, Ronald Labonté, E Richard Brown

Notice bibliographique

RevueImplementation Science · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensDalhousie UniversityInstitute of Population and Public HealthBridgepoint Active HealthcareUniversity of ManitobaUniversity of OttawaManitoba Health
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth services researchHealth administrationKnowledge translationContext (archaeology)Nursing researchGovernment (linguistics)MedicineResource (disambiguation)Knowledge managementHealth informaticsResource dependence theoryHealth policyManagement sciencePublic healthEnvironmental resource managementNursingManagementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health systems face challenges in using research evidence to improve policy and practice. These challenges are particularly evident in small and poorly resourced health systems, which are often in locations (in Canada and globally) with poorer health status. Although organizational resources have been acknowledged as important in understanding research use resource theories have not been a focus of knowledge translation (KT) research. What resources, broadly defined, are required for KT and how does their presence or absence influence research use?In this paper, we consider conservation of resources (COR) theory as a theoretical basis for understanding the capacity to use research evidence in health systems. Three components of COR theory are examined in the context of KT. First, resources are required for research uptake. Second, threat of resource loss fosters resistance to research use. Third, resources can be optimized, even in resource-challenged environments, to build capacity for KT. METHODS: A scan of the KT literature examined organizational resources needed for research use. A multiple case study approach examined the three components of COR theory outlined above. The multiple case study consisted of a document review and key informant interviews with research team members, including government decision-makers and health practitioners through a retrospective analysis of four previously conducted applied health research studies in a resource-challenged region. RESULTS: The literature scan identified organizational resources that influence research use. The multiple case study supported these findings, contributed to the development of a taxonomy of organizational resources, and revealed how fears concerning resource loss can affect research use. Some resources were found to compensate for other resource deficits. Resource needs differed at various stages in the research use process. CONCLUSIONS: COR theory contributes to understanding the role of resources in research use, resistance to research use, and potential strategies to enhance research use. Resources (and a lack of them) may account for the observed disparities in research uptake across health systems. This paper offers a theoretical foundation to guide further examination of the COR-KT ideas and necessary supports for research use in resource-challenged environments.

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)0,096
score de la tête « metaresearch » (Gemma)0,156
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,509

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0960,156
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0100,011
Études des sciences et des technologies0,0080,122
Communication savante0,0230,021
Science ouverte0,0050,018
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,844
Tête enseignante GPT0,787
Écart entre enseignants0,057 · 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'étudeThéorique ou conceptuel
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

Citations141
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207