Disseminating Knowledge to Providers on Exercise Training After Solid Organ Transplantation
Notice bibliographique
Résumé
INTRODUCTION: The objectives of our dissemination project were (1) to disseminate the evidence supporting exercise training in solid organ transplantation to exercise professionals, health-care professionals, physicians, and directors of transplant programs in order to enhance their ability to apply evidence to practice and (2) to build a community of exercise professionals and researchers across Canada. METHODS: We used the 5-step Patient-Centered Outcomes Research Institute model for knowledge translation to guide our project: (1) evidence assessment, (2) audience and partner identification, (3) dissemination, (4) implementation, and (5) evaluation. After meeting with experts in the field, conducting a literature review, and identifying an appropriate audience, we took our presentations on the road across Canada. RESULTS: We visited 10 transplant centers and held interactive knowledge translation sessions in each center. To provide sustainability and to facilitate the adoption of the research evidence, we founded the Canadian Network for Rehabilitation and Exercise for Solid Organ Transplant Optimal Recovery network and created its website. CONCLUSIONS: Our project raised awareness of the importance of exercise among many health professionals in Canada and built a community of exercise professionals and researchers in the field of transplantation through the rehabilitation network. It also led to the creation of online resources that will facilitate the implementation of rehabilitation programs in transplant centers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».