MétaCan
Menu
Retour à la cohorte
Enregistrement W2947635606 · doi:10.1186/s12913-019-4138-6

Understanding evidence-informed decision-making: a rural interorganizational breastfeeding network

2019· article· en· W2947635606 sur OpenAlexafffund
Sionnach Lukeman, Barbara Davies, Charmaine McPherson, Josephine Etowa

Notice bibliographique

RevueBMC Health Services Research · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of OttawaSt. Francis Xavier University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth informaticsNursing researchBreastfeedingHealth administrationFocus groupPsychological interventionNursingSocial network analysisKnowledge managementMedicinePublic healthIntervention (counseling)Community mobilizationPublic relationsPsychologyBusinessSocial mediaMarketingPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Networks are a vehicle for mobilizing knowledge, but there is little research about evidence-informed decision-making in community settings. Breastfeeding is a powerful intervention for population health; combined system and community interventions can increase exclusive breastfeeding rates by 2.5 times. This study examined evidence-informed decision-making within an interorganizational network, including the facilitators and barriers to achieving network goals. METHODS: A mixed method case study design was used. The primary sources of data were focus group discussion and questionnaire administration. Data were analyzed concurrently using framework analysis and social network analysis. RESULTS: Key findings were at the interorganizational and external levels: 1) Relationships and trust are connected to knowledge exchange 2) Need for multiple levels of leadership. CONCLUSIONS: The findings of this study have potential implications for enhancing the use of evidence-informed decision-making as other networks work toward Baby Friendly Initiative (BFI) designation and also highlights the potential for network maps to be used as a knowledge mobilization tool.

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)0,015
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,007
Communication savante0,0070,008
Science ouverte0,0010,009
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,660
Tête enseignante GPT0,685
Écart entre enseignants0,026 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207