Qualitative Exploration of Engaging Patients as Advisors in a Program of Evidence Synthesis
Notice bibliographique
Résumé
BACKGROUND: There is an increasing expectation for research to involve patient stakeholders. Yet little guidance exists regarding patient-engaged research in evidence synthesis. Embedded in a learning health care system, the Veteran Affairs Evidence Synthesis Program (ESP) provides an ideal environment for exploring patient-engaged research in a program of evidence synthesis. OBJECTIVE: The objective of this study was to explore views, barriers, resources, and perceived values of engaging patient advisors in a national program of evidence synthesis research. METHODS: We conducted 10 qualitative interviews with ESP researchers and 2 focus groups with patient stakeholder informants. We queried for challenges to patient involvement, resources needed to overcome barriers, and perceived values of patient engagement. We analyzed qualitative data using applied thematic and matrix techniques. RESULTS: Patient stakeholders and researchers expressed positive views on the potential role for patient engagement in the Veteran Affairs ESP. Possible contributions included topic prioritization, translating findings for lay audiences, and identifying clinically important outcomes relevant to patients. There were numerous barriers to patient involvement, which were more commonly noted by ESP researchers than by patient stakeholders. Although informants were able to articulate multiple values, we found a lack of clarity around measurable outcomes of patient involvement in systematic reviews. CONCLUSIONS: The research community increasingly seeks patient input. There are many perceived and actual barriers to seeking robust patient engagement in systematic reviews. This study outlines emerging practices that other evidence synthesis programs should consider, such as the careful selection of stakeholders; codeveloped expectations and goals; and adequate training and appropriate resources to ensure meaningful engagement.
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 | 0,117 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».