Knowledge translation: a case study in a public health network in Manguinhos, Brazil
Notice bibliographique
Résumé
Abstract Background This paper presents a post hoc analysis of knowledge translation (KT) actions and strategies implemented by three projects in a sociotechnical network, in Rio de Janeiro, Brazil. In order to assess the actions and practices of knowledge producers (mostly researchers) and knowledge users (residents of Manguinhos) we applied the KT model developed by the Québec Public Health Institute. Methods This case study relied mainly on document analysis (texts produced by the network coordination, meeting minutes and reports, management reports and promotional material), interviews with knowledge producers (N = 10), and focus group with knowledge users (4 participants). Framework analysis was applied to provide clear steps to follow and structured outputs of summarized data. A content analysis of this material used categories such as: project development; KT products elaboration; and interaction between knowledge producers and users. Data were coded based on the KT model to understand whether and how the eight dimensions were implemented. Results The findings reveal that, albeit there were differences among the three cases, the KT dimensions related to the co-construction of knowledge, what to be translated, and how to translate were more extensively implemented. Even though KT was a new concept for most knowledge producers, all three cases had previous practical experience on how to disseminate knowledge in the Territory of Manguinhos. However, dimensions related to KT evaluation and resources were less frequently implemented. Conclusions More attention must be paid to the dimensions involving the feasibility, resources and evaluation of projects. Creating research organizations working together in the KT process with support, infrastructure, theoretical and methodological competences about KT may facilitate the integration of these dimensions. Key messages Through our study, we provide more evidence and progress about how the KT process can be improved in low- and middle-income countries, such as Brazil. We display an overview of the challenges that public health researchers in Brazil have in applying KT strategies to improve the public health care.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».