Translating Workforce Development Policy Interventions for Community Health Workers: Application of a Policy Research Continuum
Notice bibliographique
Résumé
CONTEXT: There is a need for knowledge translation to advance health equity in the prevention and control of cardiovascular disease and type 2 diabetes. One recommended strategy is engaging community health workers (CHWs) to have a central role in related interventions. Despite strong evidence of effectiveness for CHWs, there is limited information examining the impact of state CHW policy interventions. This article describes the application of a policy research continuum to enhance knowledge translation of CHW workforce development policy in the United States. METHODS: During 2016-2019, a team of public health researchers and practitioners applied the policy research continuum, a multiphased systematic assessment approach that incorporates legal epidemiology to enhance knowledge translation of CHW workforce development policy interventions in the United States. The continuum consists of 5 discrete, yet interconnected, phases including early evidence assessments, policy surveillance, implementation studies, policy ratings, and impact studies. RESULTS: Application of the first 3 phases of the continuum demonstrated (1) how CHW workforce development policy interventions are linked to strong evidence bases, (2) whether existing state CHW laws are evidence-informed, and (3) how different state approaches were implemented. DISCUSSION: As a knowledge translation tool, the continuum enhances dissemination of timely, useful information to inform decision making and supports the effective implementation and scale-up of science-based policy interventions. When fully implemented, it assists public health practitioners in examining the utility of different policy intervention approaches, the effects of adaptation, and the linkages between policy interventions and more distal public health outcomes.
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 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 | 0,046 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».