MétaCan
Menu
Retour à la cohorte
Enregistrement W2799704748 · doi:10.1136/oemed-2018-icohabstracts.226

870 Contextualised knowledge synthesis for local stakeholders in ohs

2018· article· en· W2799704748 sur OpenAlexaffabout
Emma Irvin, Stephen Bornstein, Kimberley Cullen, Amanda Butt, Dwayne Van Eerd, Leslie Johnson, Steven Passmore, Ron Saunders

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensMemorial University of NewfoundlandUniversity of ManitobaInstitute for Work & Health
Organismes subventionnairesnon disponible
Mots-clésComputer scienceKnowledge managementProcess managementData scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Introduction Effective decision-making in occupational health and safety (OHS) requires having up-to-date evidence on what works from the best available research. However, the research literature does not typically take into account how implementation may be constrained by the demographic, economic or resource context of a jurisdiction/region that is considering action. Evidence-informed practices and policies need to be made based not only on an understanding of ‘what works’, but also on an understanding of ‘what will work here’. Our objective was to develop and test an innovative methodology for synthesising and contextualising current scientific knowledge in occupational health and safety. Methods The teams combined methods used by the ‘Contextualised Health Research Synthesis Program’ (CHRSP) at the Newfoundland and Labrador Centre for Applied Health Research (NLCAHR) with techniques for systematic reviewing and reporting pioneered by the Systematic Review Program at IWH. In our pilot testing we collected data about important contextual factors from key stakeholders through interviews or focus groups. Result The method we developed describes a variety of synthesis methods that can be used by researchers and stakeholders for evidence-based decision-making. In addition, we describe the process of gathering contextual information from key stakeholders. In one example related to depression in the workplace, we found that contextual factors of geography, industry/workplace, safey culture were important for stakeholders to consider in implementing evidence-based interventions. Discussion The project resulted in the creation of Evidence in Context Occupational Health and Safety Operational Handbook and an updated systematic review Managing Depression in the Workplace that was contextualised for the province of Manitoba (http://www.iwh.on.ca/systematic-reviews). The methodology has been transferred to end users in three Canadian provinces to date, Newfoundland and Labrador, Ontario and Manitoba. The handbook is a practical and relatively inexpensive way for OHS stakeholders to synthesise and contextualise evidence for decision making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,222
score de la tête « metaresearch » (Gemma)0,220
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,960

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2220,220
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0110,011
Études des sciences et des technologies0,0060,006
Communication savante0,0110,013
Science ouverte0,0040,020
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,283
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207