Twelve Lessons Learned for Effective Research Partnerships Between Patients, Caregivers, Clinicians, Academic Researchers, and Other Stakeholders
Notice bibliographique
Résumé
Research increasingly means that patients, caregivers, health professionals, other stakeholders, and academic investigators work in partnership. This requires effective collaboration rooted in mutual respect, involvement of all participants, and good communication. Having conducted such partnered research over multiple projects, and having recently completed a project together funded by the Patient-Centered Outcomes Research Institute, we collaboratively developed a list of 12 lessons we have learned about how to ensure effective research partnerships. To foster a culture of mutual respect, hold early in-person meetings, with introductions focused on motivation, offer appropriate orientation for everyone, and maintain awareness of individual and project goals. To actively involve all team members, it is important to ensure sufficient funding for everyone's participation, to ask for and recognize diverse contributions, and to seek the input of quiet members. To facilitate good communication, teams should carefully consider labels, avoid jargon and acronyms, judiciously use homogeneous and heterogeneous subgroups, and keep progress visible. In offering pragmatic, actionable lessons we have learned through our separate and shared experiences, we hope to help foster more patient-centered research via productive and enjoyable research collaborations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,098 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,017 |
| Communication savante | 0,017 | 0,022 |
| Science ouverte | 0,005 | 0,018 |
| Intégrité de la recherche | 0,006 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».