An Australian Example of Translating Psychological Research into Practice and Policy: Where We are and Where We Need to Go
Notice bibliographique
Résumé
Research findings from psychological science have identified interventions that will benefit human health. However, these findings are not often incorporated into practice-based settings or used to inform policy, in part, due to methodological and contextual limitations. A strategic approach is required if we are to find a way to facilitate the translation of these findings into areas that will offer genuine impact on health. There is an overwhelming focus on conducting more clinical trials, without consideration of how to ensure that findings from such trials make it to the patients or populations for whom they were intended. The aim of this paper is to outline how the Black Dog Institute, an Australian medical research institute, has created a framework designed to facilitate the translation of research findings into practice-based community settings, and how these findings can be used to inform policy. We propose that the core strategies adopted at the Black Dog Institute to prioritize and implement a translational program will be useful to institutes and organizations worldwide to augment the impact of their work. We provide several examples of how our research has been implemented in practice-based settings at a community-level, and how we have used research in psychology as a platform to inform policy change.
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 | 0,044 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».