MétaCan
Menu
Retour à la cohorte
Enregistrement W2584190719 · doi:10.9778/cmajo.20160088

Setting an implementation research agenda for Canadian investments in global maternal, newborn, child and adolescent health: a research prioritization exercise

2017· article· en· W2584190719 sur OpenAlexafffundvenueabout
Renee Sharma, Matthew Buccioni, Michelle F Gaffey, Omair Mansoor, Helen Scott, Zulfiqar A Bhutta

Notice bibliographique

RevueCMAJ Open · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCentre for Global Health ResearchHospital for Sick Children
Organismes subventionnairesHospital for Sick Children
Mots-clésPsychological interventionEquity (law)MedicinePrioritizationIntervention (counseling)PopulationMedical educationEnvironmental healthFamily medicinePsychologyPolitical scienceBusinessNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Improving global maternal, newborn, child and adolescent health (MNCAH) is a top development priority in Canada, as shown by the $6.35 billion in pledges toward the Muskoka Initiative since 2010. To guide Canadian research investments, we aimed to systematically identify a set of implementation research priorities for MNCAH in low- and middle-income countries. METHODS: We adapted the Child Health and Nutrition Research Initiative method. We scanned the Child Health and Nutrition Research Initiative literature and extracted research questions pertaining to delivery of interventions, inviting Canadian experts on MNCAH to generate additional questions. The experts scored a combined list of 97 questions against 5 criteria: answerability, feasibility, deliverability, impact and effect on equity. These questions were ranked using a research priority score, and the average expert agreement score was calculated for each question. RESULTS: The overall research priority score ranged from 40.14 to 89.25, with a median of 71.84. The average expert agreement scores ranged from 0.51 to 0.82, with a median of 0.64. Highly-ranked research questions varied across the life course and focused on improving detection and care-seeking for childhood illnesses, overcoming barriers to intervention uptake and delivery, effectively implementing human resources and mobile technology, and increasing coverage among at-risk populations. Children were the most represented target population and most questions pertained to interventions delivered at the household or community level. INTERPRETATION: Investing in implementation research is critical to achieving the Sustainable Development Goal of ensuring health and well-being for all. The proposed research agenda is expected to drive action and Canadian research investments to improve MNCAH.

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)0,296
score de la tête « metaresearch » (Gemma)0,264
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,868

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2960,264
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0200,018
Études des sciences et des technologies0,0310,012
Communication savante0,0290,013
Science ouverte0,0100,020
Intégrité de la recherche0,0100,013
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,809
Tête enseignante GPT0,752
Écart entre enseignants0,057 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

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

Citations25
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetHealth Policy Implementation ScienceTravaux en français237 207