Contextually tailored interventions can increase evidence-informed policy-making on health-enhancing physical activity: the experiences of two Danish municipalities
Notice bibliographique
Résumé
BACKGROUND: The present study aims to test out contextually tailored interventions to increase evidence-informed health-enhancing physical activity policy-making in two Danish municipalities. METHODS: The study was performed as experiments in natural settings. Based on results from a pre-intervention study defining the needs and contexts of the two settings, the interventions were developed based on logical models. The interventions aimed at increasing the use of knowledge in policy-making, primarily via strengthening intersectoral collaboration. The interventions were evaluated via pre-, post- and 12-month follow-up questionnaires and qualitative interviews were carried out prior to the intervention start. RESULTS: The use of knowledge changed in several ways. In one municipality, the use of stakeholder and target group knowledge increased whereas, in the other municipality, the use of research knowledge increased. In both municipalities, the ability to translate knowledge to local context, the political request and the organisational procedures for use of knowledge increased during the interventions. There was some variation between the two settings, which shows the importance of tailoring to context. Most of the changes were diminished at the 12-month follow-up. CONCLUSION: Contextually tailored interventions have the potential to increase evidence-informed policy-making on health-enhancing physical activity. However, this finding needs to be tested in larger samples and its sustainability must be strengthened.
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 | 0,011 | 0,014 |
| 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 | 0,013 | 0,008 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».