Building the capacity – examining the impact of evidence-based public health trainings in Europe: a mixed methods approach
Notice bibliographique
Résumé
Objective: Since 2002, a course entitled ‘Evidence-Based Public Health (EBPH): A Course in Noncommunicable Disease (NCD) Prevention’ has been taught annually in Europe as a collaboration between the Prevention Research Center in St Louis and other international organizations. The core purpose of this training is to strengthen the capacity of public health professionals, in order to apply and adapt evidence-based programmes in NCD prevention. The purpose of the present study is to assess the effectiveness of this EBPH course, in order to inform and improve future EBPH trainings. Methods: A total of 208 individuals participated in the European EBPH course between 2007 and 2016. Of these, 86 (41%) completed an online survey. Outcomes measured include frequency of use of EBPH skills/materials/resources, benefits of using EBPH and barriers to using EBPH. Analysis was performed to see if time since taking the course affected EBPH effectiveness. Participants were then stratified by frequency of EBPH use (low v. high) and asked to participate in in-depth telephone interviews to further examine the long-term impact of the course ( n = 11 (6 low use, 5 high use)). Findings: The most commonly reported benefits among participants included: acquiring knowledge about a new subject (95%), seeing applications for this knowledge in their own work (84%), and becoming a better leader to promote evidence-based decision-making (82%). Additionally, not having enough funding for continued training in EBPH (44%), co-workers not having EBPH training (33%) and not having enough time to implement EBPH approaches (30%) were the most commonly reported barriers to using EBPH. Interviews indicated that work-place and leadership support were important in facilitating the use of EBPH. Conclusion: Although the EBPH course effectively benefits participants, barriers remain towards widely implementing evidence-based approaches. Reaching and communicating with those in leadership roles may facilitate the growth of EBPH across countries.
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 | 0,182 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 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 ».