MétaCan
Menu
Retour à la cohorte
Enregistrement W3109943719 · doi:10.1186/s43058-021-00207-9

Closing the know-do gap for child health: UNICEF’s experiences from embedding implementation research in child health and nutrition programming

2021· article· en· W3109943719 sur OpenAlexfundno aff
Debra Jackson, Asm Shahabuddin, Alyssa Sharkey, Karin Källander, María Muñiz, Remy Mwamba, Elevanie Nyankesha, Robert Scherpbier, A. Hasman, Yarlini Balarajan, Kerry Albright, Priscilla Idele, Stefan Peterson

Notice bibliographique

RevueImplementation Science Communications · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesWellcome TrustUNICEFStyrelsen för Internationellt UtvecklingssamarbeteWorld Bank GroupWorld Health OrganizationGAVI AllianceGlobal Affairs CanadaBill and Melinda Gates FoundationAlliance for Health Policy and Systems ResearchUnited States Agency for International Development
Mots-clésContext (archaeology)Variety (cybernetics)Implementation researchPublic relationsRelevance (law)Political scienceMedicineEconomic growthMedical educationPsychologyNursingComputer sciencePsychological interventionEconomics

Résumé

récupéré en direct d'OpenAlex

UNICEF operates in 190 countries and territories, where it advocates for the protection of children's rights and helps meet children's basic needs to reach their full potential. Embedded implementation research (IR) is an approach to health systems strengthening in which (a) generation and use of research is led by decision-makers and implementers; (b) local context, priorities, and system complexity are taken into account; and (c) research is an integrated and systematic part of decision-making and implementation. By addressing research questions of direct relevance to programs, embedded IR increases the likelihood of evidence-informed policies and programs, with the ultimate goal of improving child health and nutrition.This paper presents UNICEF's embedded IR approach, describes its application to challenges and lessons learned, and considers implications for future work.From 2015, UNICEF has collaborated with global development partners (e.g. WHO, USAID), governments and research institutions to conduct embedded IR studies in over 25 high burden countries. These studies focused on a variety of programs, including immunization, prevention of mother-to-child transmission of HIV, birth registration, nutrition, and newborn and child health services in emergency settings. The studies also used a variety of methods, including quantitative, qualitative and mixed-methods.UNICEF has found that this systematically embedding research in programs to identify implementation barriers can address concerns of implementers in country programs and support action to improve implementation. In addition, it can be used to test innovations, in particular applicability of approaches for introduction and scaling of programs across different contexts (e.g., geographic, political, physical environment, social, economic, etc.). UNICEF aims to generate evidence as to what implementation strategies will lead to more effective programs and better outcomes for children, accounting for local context and complexity, and as prioritized by local service providers. The adaptation of implementation research theory and practice within a large, multi-sectoral program has shown positive results in UNICEF-supported programs for children and taking them to scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,221
score de la tête « metaresearch » (Gemma)0,206
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,221
Score d'incertitude au seuil0,961

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2210,206
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0260,029
Communication savante0,0190,023
Science ouverte0,0050,041
Intégrité de la recherche0,0100,021
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,244
Tête enseignante GPT0,575
Écart entre enseignants0,331 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImplementation Science CommunicationsMême sujetChild Nutrition and Water AccessTravaux en français237 207