Understanding the contribution of UK public health research to clinical guidelines: a bibliometric analysis
Notice bibliographique
Résumé
<ns3:p> <ns3:bold>Background:</ns3:bold> There is an increasing need to understand the wider impacts of research on society and the economy. For health research, a key focus is understanding the impact of research on practice and ultimately on patient outcomes. This can be challenging to measure, but one useful proxy for changes in practice is impact on guidelines. </ns3:p> <ns3:p> <ns3:bold>Methods:</ns3:bold> The aim of this study is to map the contribution of UK research and UK research funders to the National Institute for Health and Clinical Excellence (NICE) public health guidelines, understanding areas of strengths and weakness and the level of collaboration and coordination across countries and between funders. The work consisted of two main elements: analysis of the references cited on NICE guidelines and interviews with experts in public health. </ns3:p> <ns3:p> <ns3:bold>Results:</ns3:bold> Across the papers cited on 62 NICE public health guidelines, we find that 28% of the papers matched include at least one UK affiliation, which is relatively high when compared to other health fields. In total, 165 unique funders were identified with more than three acknowledgements, based in 20 countries. 68% of papers which acknowledge funding cite at least one UK funder, and NIHR is the most highly cited funder in the sample. </ns3:p> <ns3:p> <ns3:bold>Conclusions:</ns3:bold> The UK makes an important contribution to public health research cited on NICE PH guidelines, although the research does not appear to be bibliometrically distinct from other research sectors, other than having a relatively low level of international collaboration. However, the extent to which NICE public health guidelines reflect practice at the local authority level is less clear. More research is needed to understand the sources of evidence to support public health decision making at the local level and how NICE guidance can be made more applicable, timely and accessible in this new context. </ns3:p>
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | BibliométrieMétarecherche Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,152 | 0,247 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,105 | 0,206 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».