Communities of practice to improve public health outcomes: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Communities of practice (CoPs) exist to enable people to share knowledge, innovate and progress a common field of practice. This paper aims to identify whether CoPs have a measured impact on public health practice and the tools used to measure the impact and potential barriers and facilitators that may have been identified during the implementation of these CoPs. Design/methodology/approach A systematic review of the literature was conducted using PRISMA guidelines. Searches of six databases, Google Scholar and a citation search were completed. Included studies were from 1986 to 2016, involved the public health workforce and an evaluation of a CoP -like intervention. A narrative synthesis of the findings was conducted. Findings From 3,021 publications, 12 studies met inclusion criteria and described the impact of ten CoPs amongst public health practitioners from America, Canada, Australasia and the United Kingdom. CoPs support the prevention workforce to change their practice when they provide structured problem-solving, reflective practice and networking opportunities. None of the studies described the impact of CoPs on public health outcomes. Practical implications CoPs that provide structured problem-solving, reflective practice and diverse networking may effectively support the public health workforce. Existing methods used to evaluate CoPs lack rigour; thus, the true impact of CoPs on population health remains unknown. Originality/value This is the first known systematic review that has measured the impact of CoPs on the preventative health workforce and the conditions in which they have an impact.
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.
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 | 0,043 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle