Patient vs. Community Engagement: Emerging Issues
Notice bibliographique
Résumé
BACKGROUND: The value proposition of including patients at each step of the research process is that patient perspectives and preferences can have a positive impact on both the science and the outcomes of comparative effectiveness research. How to accomplish engagement and the extent to which approaches to community engagement inform strategies for effective patient engagement need to be examined to address conducting and accelerating comparative effectiveness research. OBJECTIVES: To examine how various perspectives and diverse training lead investigators and patients to conflicting positions on how best to advance patient engagement. RESEARCH DESIGN: Qualitative methods were used to collect perspectives and models of engagement from a diverse group of patients, researchers and clinicians. The project culminated with a workshop involving these stakeholders. The workshop used a novel approach, combining World Café and Future Search techniques, to compare and contrast aspects of patient engagement and community engagement. SUBJECTS: Participants included patients, researchers, and clinicians. MEASURES: Group and workshop discussions provided the consensus on topics related to patient and community engagement. RESULTS: Participants developed and refined a framework that compares and contrasts features associated with patient and community engagement. CONCLUSIONS: Although patient and community engagement may share a similar approach to engagement based on trust and mutual benefit, there may be distinctive aspects that require a unique lexicon, strategies, tactics, and activities.
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 | 0,150 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,025 |
| Communication savante | 0,017 | 0,030 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».