Operationalizing the RE-AIM framework to evaluate the impact of multi-sector partnerships
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The RE-AIM (Reach, Effectiveness, Adoption, Implementation, and Maintenance) framework is a reliable tool for the translation of research to practice. This framework has been widely applied to assess the impact of individual interventions. However, RE-AIM has rarely been used to evaluate implementation interventions, especially from multi-sector partnerships. The primary purpose of this paper is to operationalize the RE-AIM approach to evaluate large, multi-sector partnerships. SCI Action Canada, a community-university partnership aimed to promote physical activity among adults with spinal cord injury, is used as an example. A secondary purpose is to provide initial data from SCI Action Canada by using this conceptualization of RE-AIM. METHODS: Each RE-AIM element is operationalized for multi-sector partnerships. Specific to SCI Action Canada, seven reach calculations, four adoption rates, four effectiveness outcomes, one implementation, one organizational maintenance, and two individual maintenance outcomes are defined. The specific numerators based on SCI Action Canada activities are also listed for each of these calculations. RESULTS: The results are derived from SCI Action Canada activities. SCI Action Canada's reach ranged from 3% (end-user direct national reach) to 37% (total regional reach). Adoption rates were 15% (provincial level adoption) to 76% (regional level adoption). Implementation and organizational maintenance rates were 92% and 100%, respectively. CONCLUSIONS: We have operationalized the RE-AIM framework for larger multi-sectoral partnerships and demonstrated its applicability to such partnerships with SCI Action Canada. Future partnerships could use RE-AIM to assess their public health impact.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 découle