Priority setting in paediatric preventive care research
Notice bibliographique
Résumé
OBJECTIVES: To identify the unanswered research questions in paediatric preventive care that are most important to parents and clinicians, and to explore how questions from parents and clinicians may differ. DESIGN: Iterative mixed methods research priority setting process. SETTING: Toronto, Ontario, Canada. PARTICIPANTS: Parents of children aged 0-5 years enrolled in a research network in Toronto, and clinicians practising in Toronto, Ontario, Canada. INTERVENTIONS: Informed by the James Lind Alliance's methodology, an online questionnaire collected unanswered research questions in paediatric preventive care from study participants. Similar submissions were combined and ranked. A consensus workshop attended by 28 parents and clinicians considered the most highly ranked submissions and used the nominal group technique to select the 10 most important unanswered research questions. RESULTS: Forty-two clinicians and 115 parents submitted 255 and 791 research questions, respectively, which were combined into 79 indicative questions. Most submissions were about nutrition, illness prevention, parenting and behaviour management. Parents were more likely to ask questions about screen time (49 parents vs 8 clinicians, p<0.05) and environmental toxins (18 parents vs 0 clinicians, p<0.05). The top 10 unanswered questions identified at the workshop related to mental health, parental stress, physical activity, obesity, childhood development, behaviour management and screen time. CONCLUSION: The top 10 most important unanswered research questions in paediatric preventive care from the perspective of parents and clinicians were identified. These research priorities may be important in advancing preventive healthcare for children.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».