MétaCan
Menu
Retour à la cohorte
Enregistrement W2168593997 · doi:10.1093/pubmed/fdv108

An interactive method for engaging the public health workforce with evidence

2015· article· en· W2168593997 sur OpenAlexaff
Philip Baker, Daniel Francis, Daniel Demant, Jodie Doyle, Maureen Dobbins

Notice bibliographique

RevueJournal of Public Health · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésWorkforcePublic healthEnvironmental healthMedicineNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

Systematic review authors are increasingly directing their attention to not only ensuring the robust processes and methods of their syntheses, but also to facilitating the use of their reviews by public health decision-makers and practitioners. This latter activity is known by several terms including knowledge translation, for which one definition is a ‘dynamic and iterative process that includes synthesis, exchange and ethically sound application of knowledge’.1 Unfortunately—and despite good intentions—the successful translation of knowledge has at times been inhibited by the failure of reviews to meet the needs of decision-makers, and the limitations of the traditional avenues by which reviews are disseminated.2 Encouraging the utilization of reviews by the public health workforce is a complex challenge. An unsupportive culture within the workforce, a lack of experience in assessing evidence, the use of traditional academic language in communication and the lack of actionable messages can all act as barriers to successful knowledge translation.3 Improving communication through developing strategies that include summaries, podcasts, webinars and translational tools which target key decision-makers such as HealthEvidence.org should be considered by authors as promising actions to support the uptake of reviews into practice.4,5 Earlier work has also suggested that to better meet the research evidence needs of public health professionals, authors should aim to produce syntheses that are actionable, relevant and timely.2 Further, review authors must interact more with those who will, or could use their reviews; particularly when determining the scope and questions to which a review will be directed.2

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)0,076
score de la tête « metaresearch » (Gemma)0,171
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,405

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0760,171
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0080,005
Études des sciences et des technologies0,0020,002
Communication savante0,0060,008
Science ouverte0,0050,014
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0940,016

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 Opus0,720
Tête enseignante GPT0,658
Écart entre enseignants0,062 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public HealthMême sujetHealth Sciences Research and EducationTravaux en français237 207