From Kisiizi to Baltimore: cultivating knowledge brokers to support global innovation for community engagement in healthcare
Notice bibliographique
Résumé
BACKGROUND: Reverse Innovation has been endorsed as a vehicle for promoting bidirectional learning and information flow between low- and middle-income countries and high-income countries, with the aim of tackling common unmet needs. One such need, which traverses international boundaries, is the development of strategies to initiate and sustain community engagement in health care delivery systems. OBJECTIVE: In this commentary, we discuss the Baltimore "Community-based Organizations Neighborhood Network: Enhancing Capacity Together" Study. This randomized controlled trial evaluated whether or not a community engagement strategy, developed to address patient safety in low- and middle-income countries throughout sub-Saharan Africa, could be successfully applied to create and implement strategies that would link community-based organizations to a local health care system in Baltimore, a city in the United States. Specifically, we explore the trial's activation of community knowledge brokers as the conduit through which community engagement, and innovation production, was achieved. Cultivating community knowledge brokers holds promise as a vehicle for advancing global innovation in the context of health care delivery systems. As such, further efforts to discern the ways in which they may promote the development and dissemination of innovations in health care systems is warranted. TRIAL REGISTRATION: Trial Registration Number: NCT02222909 . Trial Register Name: Reverse Innovation and Patient Engagement to Improve Quality of Care and Patient Outcomes (CONNECT). Date of Trial's Registration: August 22, 2014.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».