MétaCan
Menu
Retour à la cohorte
Enregistrement W2901695477 · doi:10.17269/s41997-018-0153-3

A mixed methods evaluation of capturing and sharing practitioner experience for improving local tobacco control strategies

2018· article· en· W2901695477 sur OpenAlexafffundvenueabout
Jennifer Boyko, Barbara Riley, Aneta Abramowicz, Lisa Stockton, Irene Lambraki, John Garcia, Steven Savvaidis, Cynthia Neilson

Notice bibliographique

RevueCanadian Journal of Public Health · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCanadian Partnership Against CancerImpactUniversity of Waterloo
Organismes subventionnairesCanadian Cancer Society Research InstituteUniversity of WaterlooCancer Care Ontario
Mots-clésTimelineDocumentationPsychologyTobacco controlMedical educationPublic healthPopulationCitizen journalismMedicinePublic relationsNursingPolitical scienceComputer scienceEnvironmental healthGeography

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Practitioner experience is one type of evidence that is used in public health planning and action. Yet, methods for capturing and sharing experience are under-developed. We evaluated the reach, uptake and use of an example of capturing and sharing practitioner experience from tobacco control known as documentation of practice (DoP) reports. METHODS: The participatory, mixed methods approach included the following: a document review to capture data related to the extent and how DoP reports reached the target population; an online survey to assess awareness, use and perceptions about DoP reports; and semi-structured interviews to identify and explore examples of instrumental, conceptual and symbolic use of DoP reports. The samples for the survey and interviews included tobacco control practitioners from public health units in Ontario, Canada. RESULTS: Seventy-three individuals participated in the survey and 10 were interviewed. Awareness of at least one DoP report was high. The most common way of learning about DoP reports was email. DoP reports focused on policy issues had highest use; these reports were used in conceptual (helped raise awareness), instrumental (directly informed local policy development) and symbolic (confirmed a choice already made) ways. DoP reports may be improved with key messages, shorter development timelines, more relevant topic selection and dissemination to audiences beyond public health. CONCLUSION: DoP reports are useful to public health practitioners working in tobacco control within Ontario; refinements to development and dissemination processes will enhance use. Future studies and adaptations of DoP reports could help improve use of practitioner experience as one source of evidence informing public health practice.

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)0,208
score de la tête « metaresearch » (Gemma)0,186
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,976

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2080,186
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0060,004
Études des sciences et des technologies0,0050,004
Communication savante0,0050,004
Science ouverte0,0040,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,689
Tête enseignante GPT0,665
Écart entre enseignants0,024 · 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'étudeQualitatif
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

Citations1
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Public HealthMême sujetHealth Policy Implementation ScienceTravaux en français237 207