MétaCan
Menu
Retour à la cohorte
Enregistrement W2460158404 · doi:10.1186/s12913-016-1533-0

Identifying the conditions needed for integrated knowledge translation (IKT) in health care organizations: qualitative interviews with researchers and research users

2016· article· en· W2460158404 sur OpenAlexafffund
Anna R. Gagliardi, Mark Dobrow

Notice bibliographique

RevueBMC Health Services Research · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of TorontoUniversity Health NetworkToronto General Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésNursing researchHealth informaticsHealth administrationKnowledge translationQualitative researchMedicinePublic healthHealth services researchHealth careNursingQuality of Life ResearchKnowledge managementMedical educationSociologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Collaboration among researchers and research users, or integrated knowledge translation (IKT), enhances the relevance and uptake of evidence into policy and practice. However, it is not widely practiced and, even when well-resourced, desired impacts may not be achieved. Given that large-scale investment is not the norm, further research is needed to identify how IKT can be optimized. METHODS: Interviews were conducted with researchers and research users (clinicians, managers) in a health care delivery (HCDO) and health care monitoring (HCMO) organization that differed in size and infrastructure, and were IKT-naïve. Basic qualitative description was used. Participants were asked about IKT activities and challenges, and recommendations for optimizing IKT. Data were analysed inductively using constant comparative technique. RESULTS: Forty-three interviews were conducted (28 HCDO, 15 HCMO) with 13 researchers, 8 clinicians, and 22 managers. Little to no IKT took place. Participants articulated similar challenges and recommendations revealing that a considerable number of changes were needed at the organizational, professional and individual levels. Given the IKT-absent state of participating organizations, this research identified a core set of conditions which must be addressed to prepare an environment conducive to IKT. These conditions were compiled into a framework by which organizations can plan for, or evaluate their capacity for IKT. CONCLUSIONS: The IKT capacity framework is relevant for organizations in which there is no current IKT activity. Use of the IKT framework may result in more organizations that are ready to initiate and establish IKT, perhaps ultimately leading to more, and higher-quality collaboration for health system innovation. Further research is needed to confirm these findings in other organizations not yet resourced for, or undertaking IKT, and to explore the resource implications and mechanisms for establishing the conditions identified here as essential to preparing for IKT.

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)0,144
score de la tête « metaresearch » (Gemma)0,135
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,760

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1440,135
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0180,029
Communication savante0,0100,012
Science ouverte0,0040,015
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,849
Tête enseignante GPT0,771
Écart entre enseignants0,077 · 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'étudeQualitatif
DomaineMéthodes
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

Citations85
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207