How can we synthesise qualitative and quantitative evidence for policy makers and managers?
Notice bibliographique
Résumé
Objectives: To describe how different types of evidence - qualitative, quantitative and non-research based - can be integrated/synthesised to inform policy decision making.<br/>Study design: Review and critical commentary on methods for synthesis used in health and social science research, undertaken in 2004.<br/>Principle findings: We identify four basic approaches to reviewing and synthesising evidence that have potential to inform policy decision making.: narrative (including traditional ‘literature reviews’ and more methodologically explicit approaches such as narrative synthesis, thematic analysis, ‘realist synthesis’ and ‘meta-narrative mapping’), qualitative (which convert all available evidence into qualitative form using techniques such as ‘meta-ethnography’ and ‘qualitative cross-case analysis’), quantitative (which convert all evidence into quantitative form using techniques such as ‘quantitative case survey’ or ‘content analysis’) and Bayesian meta-analysis and decision analysis (which can convert qualitative evidence such as preferences about different outcomes into quantitative form or ‘weights’ to use in quantitative synthesis).<br/>Conclusion: There is no single, agreed framework for synthesising diverse forms of evidence. Many of the methods that show potential for this have been devised for reviews which include either qualitative or quantitative evidence rather than those that attempt tointegrate/synthesis both types of evidence. Methods for synthesis are evolving – some are less well developed than others. Nonetheless we must learn to synthesise diverse forms of evidence if we are to better meet the needs of policy makers.<br/>Implications: Policy makers have always used a widerange of sources of evidence in making decisions about policy and service organisation but are under pressureto adopt a more systematic approach to the utilisationof this complex evidence base. Synthesis is an attractive solution. The choice of approach is contingent on the policy questions and the nature ofthe evidence. More policy-research dialogue is required to develop synthesis methods.<br/>Primary funding: Canadian HSR Foundation &amp; NHS R&amp;DSDO
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».