MétaCan
Menu
Retour à la cohorte
Enregistrement W2174826059 · doi:10.1186/s13012-015-0351-9

Exploring the function and effectiveness of knowledge brokers as facilitators of knowledge translation in health-related settings: a systematic review and thematic analysis

2015· review· en· W2174826059 sur OpenAlexafffund
Catherine Bornbaum, Kathy Kornas, Leslea Peirson, Laura C. Rosella

Notice bibliographique

RevueImplementation Science · 2015
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensInstitute for Clinical Evaluative SciencesWestern UniversityMcMaster UniversityUniversity of TorontoPublic Health Ontario
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésKnowledge translationCINAHLPsycINFOThematic analysisGrey literatureHealth informaticsKnowledge managementMedicineMEDLINEScopusContext (archaeology)Health administrationKnowledge transferQualitative researchMedical educationComputer scienceNursingPublic healthPsychological interventionSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Knowledge brokers (KBs) work collaboratively with key stakeholders to facilitate the transfer and exchange of information in a given context. Currently, there is a perceived lack of evidence about the effectiveness of knowledge brokering and the factors that influence its success as a knowledge translation (KT) mechanism. Thus, the goal of this review was to systematically gather evidence regarding the nature of knowledge brokering in health-related settings and determine if KBs effectively contributed to KT in these settings. METHODS: A systematic review was conducted using a search strategy designed by a health research librarian. Eight electronic databases (MEDLINE, Embase, PsycINFO, CINAHL, ERIC, Scopus, SocINDEX, and Health Business Elite) and relevant grey literature sources were searched using English language restrictions. Two reviewers independently screened the abstracts, reviewed full-text articles, extracted data, and performed quality assessments. Analysis included a confirmatory thematic approach. To be included, studies must have occurred in a health-related setting, reported on an actual application of knowledge brokering, and be available in English. RESULTS: In total, 7935 records were located. Following removal of duplicates, 6936 abstracts were screened and 240 full-text articles were reviewed. Ultimately, 29 articles, representing 22 unique studies, were included in the thematic analysis. Qualitative (n = 18), quantitative (n = 1), and mixed methods (n = 6) designs were represented in addition to grey literature sources (n = 4). Findings indicated that KBs performed a diverse range of tasks across multiple health-related settings; results supported the KB role as a 'knowledge manager', 'linkage agent', and 'capacity builder'. Our systematic review explored outcome data from a subset of studies (n = 8) for evidence of changes in knowledge, skills, and policies or practices related to knowledge brokering. Two studies met standards for acceptable methodological rigour; thus, findings were inconclusive regarding KB effectiveness. CONCLUSIONS: As knowledge managers, linkage agents, and capacity builders, KBs performed many and varied tasks to transfer and exchange information across health-related stakeholders, settings, and sectors. How effectively they fulfilled their role in facilitating KT processes is unclear; further rigourous research is required to answer this question and discern the potential impact of KBs on education, practice, and policy.

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)0,125
score de la tête « metaresearch » (Gemma)0,231
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil0,662

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1250,231
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0100,010
Bibliométrie0,0350,030
Études des sciences et des technologies0,0030,004
Communication savante0,0080,012
Science ouverte0,0030,006
Intégrité de la recherche0,0030,002
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 Opus0,722
Tête enseignante GPT0,680
Écart entre enseignants0,041 · 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'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

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

En bref

Citations311
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207