Impact of an organization-wide knowledge translation strategy to support evidence-informed public health decision making
Notice bibliographique
Résumé
BACKGROUND: The public health sector is moving toward adopting evidence-informed decision making into practice, but effort is still required to effectively develop capacity and promote contextual factors that advance and sustain it. This paper describes the impact of an organization-wide knowledge translation intervention delivered by knowledge brokers on evidence-informed decision making knowledge, skills and behaviour. METHODS: A case study design was implemented with the intervention and data collection tailored to the unique needs of each case (health department). A knowledge broker provided training workshops and mentored small groups through a seven step process of evidence-informed decision making. The intervention was delivered over 22 months; data related to evidence-informed decision making knowledge, skills and behaviour were collected at baseline and follow-up. Mixed effects regression models were developed to assess the impact of involvement in the intervention on the evidence-informed decision making outcomes. RESULTS: Data from a total of 606 health department staff were collected during baseline: 207 (33%) staff from Case A, 304 (28%) from Case B, and 95 (47%) from Case C. There were a total of 804 participants at follow-up: 258 (42%) from Case A, 391 from Case B (37%), and 155 (50%) from Case C. Statistically significant increases in knowledge and skills were observed overall, and in all three health departments. An increase in evidence-informed decision making behaviour was observed among those intensively involved in the intervention from all cases (statistically significant in Case A). The organizational characteristics of strategic priority, leadership, readiness, and choice of staff emerged as important factors in the change process. CONCLUSIONS: Knowledge brokering is a promising organizational knowledge translation intervention to support evidence-informed decision making. The intervention appeared to have the greatest impact on those who became actively engaged with the knowledge broker in the intervention. Active participation in face-to-face training activities with a knowledge broker, focused specifically on evidence-informed decision making skill development, led to the greatest impact on associated behaviours, knowledge, and skills. Several organizational factors emerged as integral to success of the knowledge translation intervention.
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 | 0,031 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».