MétaCan
Menu
Retour à la cohorte
Enregistrement W2735220131 · doi:10.3899/jrheum.161273

Engaging Stakeholders and Promoting Uptake of OMERACT Core Outcome Instrument Sets

2017· article· en· W2735220131 sur OpenAlexafffundvenue
Sean Tunis, Lara Maxwell, Ian D. Graham, Beverley Shea, Dorcas Beaton, Clifton O. Bingham, Peter Brooks, Philip G. Conaghan, Maria Antonietta D’Agostino, Maarten de Wit, Laure Gossec, Lyn March, Lee S. Simon, Jasvinder A. Singh, Vibeke Strand, George A. Wells, Peter Tugwell

Notice bibliographique

RevueThe Journal of Rheumatology · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchU.S. Department of Veterans AffairsNational Institute for Health and Care ResearchAgence Nationale de la RechercheHorizon PharmaceuticalsPatient-Centered Outcomes Research Institute
Mots-clésKnowledge translationOutcome (game theory)StakeholderMedicineStakeholder engagementSet (abstract data type)Core (optical fiber)Medical educationKnowledge managementPublic relationsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: While there has been substantial progress in the development of core outcomes sets, the degree to which these are used by researchers is variable. We convened a special workshop on knowledge translation at the Outcome Measures in Rheumatology (OMERACT) 2016 with 2 main goals. The first focused on the development of a formal knowledge translation framework and the second on promoting uptake of recommended core outcome domain and instrument sets. METHODS: We invited all 189 OMERACT 2016 attendees to the workshop; 86 attended, representing patient research partners (n = 15), healthcare providers/clinician researchers (n = 52), industry (n = 4), regulatory agencies (n = 4), and OMERACT fellows (n = 11). Participants were given an introduction to knowledge translation and were asked to propose and discuss recommendations for the OMERACT community to (1) strengthen stakeholder involvement in the core outcome instrument set development process, and (2) promote uptake of core outcome sets with a specific focus on the potential role of post-regulatory decision makers. RESULTS: We developed the novel "OMERACT integrated knowledge translation" framework, which formalizes OMERACT's knowledge translation strategies. We produced strategies to improve stakeholder engagement throughout the process of core outcome set development and created a list of creative and innovative ways to promote the uptake of OMERACT's core outcome sets. CONCLUSION: The guidance provided in this paper is preliminary and is based on the views of the participants. Future work will engage OMERACT groups, "post-regulatory decision makers," and a broad range of different stakeholders to identify and evaluate the most useful methods and processes, and to revise guidance accordingly.

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)0,464
score de la tête « metaresearch » (Gemma)0,466
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 enseignants0,536
Score d'incertitude au seuil0,660

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4640,466
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0050,003
Études des sciences et des technologies0,0080,008
Communication savante0,0110,013
Science ouverte0,0050,036
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,412
Tête enseignante GPT0,482
Écart entre enseignants0,070 · 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

Citations41
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetDelphi Technique in ResearchTravaux en français237 207