Evaluating the Process and Extent of Institutionalization: A Case Study of a Rapid Response Unit for Health Policy in Burkina Faso
Notice bibliographique
Résumé
BACKGROUND: Good decision-making requires gathering and using sufficient information. Several knowledge translation platforms have been introduced in Burkina Faso to support evidence-informed decision-making. One of these is the rapid response service for health. This platform aims to provide quick access for policy-makers in Burkina Faso to highquality research evidence about health systems. The purpose of this study is to describe the process and extent of the institutionalization of the rapid response service. METHODS: A qualitative case study design was used, drawing on interviews with policy-makers, together with documentary analysis. Previously used institutionalization frameworks were combined to guide the analysis. RESULTS: Burkina Faso's rapid response service has largely reached the consolidation phase of the institutionalization process but not yet the final phase of maturity. The impetus for the project came from designated project leaders, who convinced policy-makers of the importance of the rapid response service, and obtained resources to run a pilot. During the expansion stage, additional policy-makers at national and sub-national levels began to use the service. Unit staff also tried to improve the way it was delivered, based on lessons learned during the pilot stage. The service has, however, stagnated at the consolidation stage, and not moved into the final phase of maturity. CONCLUSION: The institutionalization process for the rapid response service in Burkina Faso has been fluid rather than linear, with some areas developing faster than others. The service has reached the consolidation stage, but now requires additional efforts to reach maturity.
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 | 0,003 | 0,000 |
| 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 | 0,000 |
| 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 ».