Engaging knowledge users in a systematic review on the comparative effectiveness of geriatrician-led models of care is possible: A cross-sectional survey using the Patient Engagement Evaluation Tool
Notice bibliographique
Résumé
BACKGROUND: A systematic review (SR) was conducted to evaluate the comparative effectiveness of geriatrician-led models of care, and an integrated knowledge translation (iKT) approach facilitated SR relevance. Activities to engage knowledge users (KUs) in the SR were evaluated for perceived level of engagement. STUDY DESIGN AND SETTING: KUs included patients, caregivers, geriatricians, and policymakers from three Canadian provinces. Activities included 1) modified Delphi to select outcomes; 2) cross-sectional survey to select outcome measures, and 3) in-person meeting to discuss SR findings. KU engagement was assessed using the Patient Engagement Evaluation Tool (PEET) after the second and third activities. KUs rated the extent of successful engagement using a 7-point Likert scale ranging from "no extent" to "very large extent." RESULTS: In total, 15 KUs completed the PEET: eight geriatricians, four policymakers, two patients, and one caregiver. Median engagement scores across all activities (median range: 6.00-6.50) indicated that KUs felt engaged. Differences were observed for activity type; perceived engagement at in-person meeting resulted in higher meta-criteria scores for trust (P = 0.005), legitimacy (P = 0.003), fairness (P = 0.013), and competency (P = 0.035) compared with online activities. CONCLUSIONS: KUs can be engaged meaningfully in SR processes. Their perceived engagement was higher for in-person than for online 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 | 0,229 | 0,460 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».