Determinants of knowledge translation from health technology assessment to policy-making in China: From the perspective of researchers
Notice bibliographique
Résumé
BACKGROUND: For health technology assessment (HTA) to be more policy relevant and for health technology-related decision-making to be truly evidence-based, promoting knowledge translation (KT) is of vital importance. Although some research has focused on KT of HTA, there is a dearth of literature on KT determinants and the situation in developing countries and transitional societies remains largely unknown. OBJECTIVE: To investigate the determinants of HTA KT from research to health policy-making from the perspective of researchers in China. DESIGN: Cross-sectional study. METHODS: A structured questionnaire which focused on KT was distributed to HTA researchers in China. KT activity levels in various fields of HTA research were compared, using one-way ANOVA. Principal component analysis was performed to provide a basis to combine similar variables. To investigate the determinants of KT level, multiple linear regression analysis was performed. RESULTS: Based on a survey of 382 HTA researchers, it was found that HTA KT wasn't widespread in China. Furthermore, results showed that no significant differences existed between the various HTA research fields. Factors, such as attitudes of researchers toward HTA and evidence utilization, academic ranks and linkages between researchers and policy-makers, had significant impact on HTA KT (p-values<0.05). Additionally, collaboration between HTA researchers and policy-makers, policy-relevance of HTA research, practicality of HTA outcomes and making HTA reports easier to understand also contributed to predicting KT level. However, academic nature of HTA research was negatively associated with KT level. CONCLUSION: KT from HTA to policy-making was influenced by many factors. Of particular importance were collaborations between researchers and policy-makers, ensuring policy relevance of HTA and making HTA evidence easier to understand by potential users.
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 | 0,040 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».