Promoting evidence informed policymaking for maternal and child health in Nigeria: lessons from a knowledge translation workshop
Notice bibliographique
Résumé
Background: Knowledge translation (KT) is a process that ensures that research evidence gets translated into policy and practice. In Nigeria, reports indicate that research evidence rarely gets into policy making process. A major factor responsible for this is lack of KT capacity enhancement mechanisms. The objective of this study was to improve KT competence of an implementation research team (IRT), policymakers and stakeholders in maternal and child health to enhance evidence-informed policy making. Methods: This study employed a "before and after" design, modified as an intervention study. The study was conducted in Bauchi, north-eastern Nigeria. A three-day KT training workshop was organized and 15 modules were covered including integrated and end-of-grant KT; KT models,measures, tools and strategies; priority setting; managing political interference; advocacy and consensus building/negotiations; inter-sectoral collaboration; policy analysis, contextualization and legislation. A 4-point Likert scale pre-/post-workshop questionnaires were administered to evaluate the impact of the training, it was designed in terms of extent of adequacy; with "grossly inadequate" representing 1 point, and "very adequate" representing 4 points.Results: A total of 45 participants attended the workshop. There was a noteworthy improvement in the participants’ understanding of KT processes and strategies. The range of the praiseworthiness of participants knowledge of modules taught was from 2.04-2.94, the range for the post workshop mean was from 3.10–3.70 on the 4-point Likert scale. The range of percentage increase in mean for participants’ knowledge at the end of the workshop was from 13.3%–55.2%.Conclusion: The outcome of this study suggests that using a KT capacity building programme e.g., workshop, health researchers, policymakers and other stakeholders can acquire capacity and skill that will facilitate evidence-to-policy link.
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 | 0,049 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».