MétaCan
Menu
Retour à la cohorte
Enregistrement W3111211325 · doi:10.11124/jbies-20-00218

Absorptive capacity in the adoption of innovations in health care: a scoping review protocol

2020· review· en· W3111211325 sur OpenAlexafffund
Huda Ashoor, Amruta Radhakrishnan, Rosemary Wilson, Louise Zitzelsberger, Diana Kaan, Lisa Glandon, Kim Sears, Jennifer Medves, Colleen Kircher, Whitney Berta, Andrea C. Tricco, Christina Godfrey

Notice bibliographique

RevueJBI Evidence Synthesis · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensHealth CanadaPublic Health OntarioUniversity of TorontoCentre for Excellence in Mining InnovationSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAbsorptive capacityKnowledge managementCINAHLPsycINFOKnowledge translationSystematic reviewHealth careData extractionGrey literaturePsychologyMEDLINEScopusComputer scienceMedicineNursingPsychological interventionPolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore how absorptive capacity has been conceptualized and measured in studies of innovation adoption in health care organizations. INTRODUCTION: Current literature highlights the need to incorporate knowledge translation processes at the organizational and system level to enhance the adoption of new knowledge into practice. Absorptive capacity is a set of routines and processes characterized by knowledge acquisition, assimilation, transformation, and application. Absorptive capacity, a key concept in organizational learning theory, is thought to be critical to the adoption of new knowledge and innovations in organizations. INCLUSION CRITERIA: This scoping review will include primary studies (ie, experimental, quasi-experimental, observational, and qualitative study designs) and gray literature that broadly focus on the adoption of innovations at the organizational level in health care, and frame innovation adoption as processes that rely on organizational learning and absorptive or learning capacity. METHODS: Data sources will include comprehensive searches of electronic databases (eg, MEDLINE, Embase, PsycINFO, CINAHL, and Scopus), gray literature, and reference scanning of relevant studies. Study abstracts and full texts will be screened for eligibility by two reviewers, independently. Data extraction of relevant studies will also be done independently by two reviewers. All discrepancies will be addressed through further discussion or adjudicated by a third reviewer. Synthesis of the extracted data will focus on descriptive frequencies, counts, and thematic analysis and the results will be reported using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for scoping reviews (PRISMA-ScR).

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)0,145
score de la tête « metaresearch » (Gemma)0,120
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,766

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1450,120
Méta-épidémiologie (sens strict)0,0050,006
Méta-épidémiologie (sens large)0,0100,014
Bibliométrie0,0290,020
Études des sciences et des technologies0,0060,006
Communication savante0,0090,011
Science ouverte0,0080,010
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0530,014

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 Opus0,604
Tête enseignante GPT0,673
Écart entre enseignants0,069 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJBI Evidence SynthesisMême sujetHealth Policy Implementation ScienceTravaux en français237 207