MétaCan
Menu
Retour à la cohorte
Enregistrement W2982344609 · doi:10.1017/s1463423619000732

Capacity development among academic trainees in community-based primary health care research: The Aging, Community and Health Research Unit Experience

2019· article· en· W2982344609 sur OpenAlexafffund
Rebecca Ganann, Shelley Peacock, Anna Garnett, Melissa Northwood, Ashley Hyde, Sue Bookey‐Bassett, Laurie Kennedy, Maureen Markle‐Reid, Jenny Ploeg, Ruta Valaitis

Notice bibliographique

RevuePrimary Health Care Research & Development · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensToronto Metropolitan UniversityUniversity of AlbertaUniversity of SaskatchewanMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research ChairsOntario Ministry of Health and Long-Term Care
Mots-clésMentorshipUnit (ring theory)Capacity buildingSustainabilityPopulation healthHealth careMedical educationProductivityNursingMedicinePsychologyPolitical sciencePublic healthEconomic growth

Résumé

récupéré en direct d'OpenAlex

Health care system capacity and sustainability to address the needs of an aging population are a challenge worldwide. An aging population has brought attention to the limitations associated with existing health systems, specifically the heavy emphasis on costly acute care and insufficient investments in comprehensive primary health care (PHC). Health system reform demands capacity building of academic trainees in PHC research to meet this challenge. The Aging, Community and Health Research Unit at McMaster University has purposefully employed a capacity building model for interdisciplinary trainee development. This paper will describe the processes and outcomes of the model, outlining how the provision of funding, mentorship, and a unique learning environment enables capacity building in networking, collaboration, leadership development, and knowledge mobilization among its trainees. The reciprocal advancement of the research unit through the knowledge and productivity of trainees will also be detailed.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,188
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,439
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1880,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0100,003
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0010,034
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,518
Tête enseignante GPT0,547
Écart entre enseignants0,029 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 revuePrimary Health Care Research & DevelopmentMême sujetHealth and Medical Research ImpactsTravaux en français237 207