Research Priorities for Optimizing Long-term Community Integration after Brain Injury
Notice bibliographique
Résumé
OBJECTIVE: This paper reports on a funded summit, which convened a multidisciplinary group of experts to provide consensus on the research priorities necessary for improving long-term community integration of individuals with traumatic brain injury (TBI) and their caregivers. METHODS: The 2-day summit was directed using the World Café Methodology, to engage stakeholders and collaboratively arrive at a consensus on the problems to be targeted in research. Participants (n=54), drawn from two Canadian provinces, included an interdisciplinary group of researchers, clinicians, representatives from brain injury associations, individuals with TBI, and caregivers. In small groups, participants discussed challenges to long-term community integration and potential initiatives that would address these barriers. Field notes from the discussions were analyzed using qualitative content analysis. RESULTS: The consensus on prioritized research directions included developing interventions to optimize the functioning and participation of individuals with TBI, reducing caregiver burden, and evaluating how emerging technology can facilitate delivery of care. CONCLUSIONS: The World Café Methodology was an effective method for developing research priorities. The breadth of expertise of participants and the collegial environment allowed for the identification of a broad perspective on important future research directions with potential to enhance the long-term community integration of individuals with brain injury.
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 | 0,103 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,007 |
| Communication savante | 0,018 | 0,013 |
| Science ouverte | 0,005 | 0,019 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».