MétaCan
Menu
Retour à la cohorte
Enregistrement W2181680997 · doi:10.1097/pep.0b013e3181faeb11

Sharing of Lessons Learned From Multisite Research

2010· article· en· W2181680997 sur OpenAlexafffund
Alyssa LaForme Fiss, Sarah Westcott McCoy, Doreen J. Bartlett, Lisa A. Chiarello, Robert J. Palisano, Barbara Stoskopf, Lynn Jeffries, Allison Yocum, Audrey Wood

Notice bibliographique

RevuePediatric Physical Therapy · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityCanadian Institutes of Health ResearchWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAnticipation (artificial intelligence)Process (computing)Knowledge translationKnowledge managementMedical educationPsychologyEngineering ethicsMedicineComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To highlight key considerations for planning and implementing multisite research based on experiences and reflections in conducting a large, international, multisite study. DESCRIPTION: Successes and challenges encountered throughout a multisite study process, and collective recommendations for future researchers are presented. Considerations addressed include creation of the research team and a "community of practice," study preparation and management time, approval by institutional review boards, training of future researchers, recruitment and retention of participants, and dissemination and translation of study materials to consumers. IMPORTANCE TO MEMBERS: Multisite research has the potential to create knowledge for pediatric physical therapy through collaboration among knowledgeable researchers and expert practitioners and by increasing the potential for generalization of findings. Effective planning, including anticipation of challenges, is critical to a successful study. Our collective experiences may assist practitioners and researchers in planning, implementing, and completing future multisite studies.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,847
Tête enseignante GPT0,742
Écart entre enseignants0,105 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePediatric Physical TherapyMême sujetHealth Policy Implementation ScienceTravaux en français237 207