The use of theories, frameworks, or models in knowledge translation studies in healthcare settings in China: a scoping review protocol
Notice bibliographique
Résumé
BACKGROUND: Knowledge translation (KT) theories, frameworks, and models (TFMs) can help guide and explain KT processes, and facilitate the evaluation of implementation outcomes. They play a critical role in conducting KT research and practice. Currently, little is known about the usage of TFMs in KT in Chinese healthcare settings. The aim of this scoping review is to identify which TFMs had been used for KT in healthcare settings in China, and how these TFMs were used. METHODS: The protocol for this scoping review is in accordance with the Arksey and O'Malley framework and further enhanced by the recommendations suggested by Levac et al. We will search 8 databases (4 Chinese and 4 English) to identify relevant studies. Four reviewers (2 for Chinese, 2 for English) will independently screen studies based on the eligibility criteria. The basic characteristic of studies and the TFMs utilization (i.e., what, why, and how) will be extracted. Methodological quality and reporting quality will be assessed using the Mixed Method Appraisal Tool (MMAT) and the Standards for Reporting Implementation Studies (StaRI) (or Standards for Quality Improvement Reporting Excellence, SQUIRE 2.0 for quality improvement studies), respectively. All the retrieved TFMs will be categorized into Nilsen's classifications of TFMs for KT research. We will employ the qualitative content analysis approach to summarize how these TFMs have been used, and the rationale. A consultation will be conducted through a 1-h interactive virtual meeting with an expert panel of knowledge users. DISCUSSION: By conducting this scoping review, we expect to gain a comprehensive and in-depth understanding of why and how TFMs have been used in KT research and practice in China, and to identify gaps and provide recommendations for more efficient and meaningful use of TFMs in the future. SYSTEMATIC REVIEW REGISTRATION: This review has been registered with the Open Science Framework (10.17605/OSF.IO/8NXAM).
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 | 0,203 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,013 | 0,014 |
| Bibliométrie | 0,029 | 0,025 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,009 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,011 |
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 ».