The evolution of social networks through the implementation of evidence-informed decision-making interventions: a longitudinal analysis of three public health units in Canada
Notice bibliographique
Résumé
BACKGROUND: We studied the evolution of information-seeking networks over a 2-year period during which an organization-wide intervention was implemented to promote evidence-informed decision-making (EIDM) in three public health units in Ontario, Canada. We tested whether engagement of staff in the intervention and their EIDM behavior were associated with being chosen as information source and how the trend of inter-divisional communications and the dominance of experts evolved over time. METHODS: Local managers at each health unit selected a group of staff to get engage in Knowledge Broker-led workshops and development of evidence summaries to address local public health problems. The staff were invited to answer three online surveys (at baseline and two annual follow-ups) including name generator questions eliciting the list of the staff they would turn to for help integrating research evidence into practice. We used stochastic actor-oriented modeling to study the evolution of networks. We tested the effect of engagement in the intervention, EIDM behavior scores, organizational divisions, and structural dynamics of social networks on the tendency of staff to select information sources, and the change in its trend between year 1 and year 2 of follow-up. RESULTS: In all the three health units, and especially in the two units with higher levels of engagement in the intervention, the network evolved towards a more centralized structure, with an increasing significance of already central staff. The staff showed greater tendencies to seek information from peers with higher EIDM behavior scores. In the public health unit that had highest engagement and stronger leadership support, the engaged staff became more central. In all public health units, the engaged staff showed an increasing tendency towards forming clusters. The staff in the three public health units showed a tendency towards limiting their connections within their divisions. CONCLUSIONS: The longitudinal analysis provided us with a means to study the microstructural changes in public health units, clues to the sustainability of the implementation. The hierarchical transformation of networks towards experts and formation of clusters among staff who were engaged in the intervention show how implementing organizational interventions to promote EIDM may affect the knowledge flow and distribution in health care communities, which may lead to unanticipated consequences.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».