MétaCan
Menu
← Retour à la cohorte
Enregistrement W3119865035 · doi:10.21203/rs.3.rs-63534/v1

Strategies for Involving Patients and the Public in Scaling-Up Initiatives in Health and Social Services: Protocol for a Two-Pong Study

2020· preprint· en· W3119865035 sur OpenAlexafffund
Ali Ben Charif, Karine V. Plourde, Sabrina Guay-Bélanger, Hervé Tchala Vignon Zomahoun, Amédé Gogovor, Sharon E. Straus, Ron Beleno, Kathy Kathner, Robert K. D. McLean, Andrew Milat, Luke Wolfenden, Jean‐Sébastien Paquette, Friedemann Geiger, France Légaré

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoUniversité Laval
Organismes subventionnairesNational Health and Medical Research CouncilCanadian Institutes of Health Research
Mots-clésProtocol (science)Public healthScalingPublic relationsComputer sciencePsychologyPolitical scienceSociologyBusinessMedicineNursingMathematicsAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background: The scale-up of evidence-based innovations is required to reduce waste and inequities in health and social services (HSS). However, it often tends to be a top-down process initiated by policy-makers, and the values of the intended beneficiaries are forgotten. Involving multiple stakeholders including patients and the public in the scaling-up process is thus essential but highly complex. We propose to identify relevant strategies for meaningfully and equitably involving patients and the public in the science and practice of scaling up in HSS.Methods: Design: We will adapt our overall method from the RAND Appropriateness Method. Following this, we will perform a two-component study design (knowledge synthesis and Delphi study) grounded in an integrated knowledge translation (iKT) approach. This approach involves extensive participation of a network of stakeholders interested in patient and public involvement (PPI) in scaling up and a multidisciplinary steering committee. Knowledge synthesis: We will conduct a systematic scoping review following the methodology recommended in the Joanna Briggs Institute Reviewers Manual. We will use the following eligibility criteria: 1) Participants - any stakeholder involved in creating or testing a strategy for PPI; 2) Intervention - any PPI strategy proposed for scaling-up initiatives; 3) Comparator - no restriction; 4) Outcomes: any process or outcome metrics related to PPI; and 5) Setting - HSS. We will search electronic databases (e.g., MEDLINE, Sociological Abstract), hand searching relevant websites, screen the reference lists of included records, and consult experts in the field. Two reviewers will independently select and extract eligible studies. We will summarize data quantitatively and qualitatively and report results using the PRISMA extension guidelines. Delphi study: We will conduct an online Delphi survey to achieve consensus on the relevant strategies for PPI in scaling-up initiatives in HSS. Participants will include stakeholders from low-, middle-, and high-income countries. We anticipate that three rounds will allow an acceptable degree of agreement on research priorities.Discussion: Our findings will advance understanding of how to meaningfully and equitably involve patients and the public in scaling-up initiatives for sustainable HSS.Registration: We registered this protocol with the Open Science Framework on August 19, 2020 (https://osf.io/zqpx7/).

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)0,146
score de la tête « metaresearch » (Gemma)0,131
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 enseignants0,146
Score d'incertitude au seuil0,773

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1460,131
Méta-épidémiologie (sens strict)0,0050,005
Méta-épidémiologie (sens large)0,0070,009
Bibliométrie0,0060,007
Études des sciences et des technologies0,0070,006
Communication savante0,0070,008
Science ouverte0,0050,007
Intégrité de la recherche0,0110,011
Charge utile insuffisante (le modèle a refusé de juger)0,0910,025

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 Opus0,566
Tête enseignante GPT0,608
Écart entre enseignants0,042 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMental Health and Patient Involvement→Travaux en français237 207→