Intercountry Consensus Building: Lessons From Developing a Chronic-Conditions Self-Management Support Framework
Notice bibliographique
Résumé
Self-management support initiatives that aim to improve the self-care of chronic conditions are considered a key part of a health promotion strategy for addressing the impacts of long-term illness. Given the growth of these activities and still evolving evidence base, thoughtful intercountry collaborations with subject matter experts can be an effective way to expedite building self-management support capacity, promoting the advancement of evidence, and developing effective policies and programs. The challenge is to find an effective consensus building process that promotes linkages between researchers and health promotion decisions makers across vast geographical boundaries and limited resources. This paper describes the international, multistage, face-to-face, and online process that was used for developing an international framework for self-management support by researchers, educators, health care providers, policy makers, program managers/directors, program planners, consultants, patient group representatives, and consumers in 16 countries. We reflect on key lessons from this international initiative and discuss how this type of process may be useful for other health promotion groups trying to exchange knowledge and build consensus on how to move a field of research, policy, and/or practice forward, and advance the evidence-base of practice and the relevance of research.
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 | 0,202 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,014 | 0,017 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,005 | 0,025 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».