Collaborative research and knowledge translation on road crashes in Burkina Faso: the police perspective 18 months on
Notice bibliographique
Résumé
In this commentary, we present a follow-up of two articles published in 2017 and 2018 about road traffic crashes, which is an important public health issue in Africa and Burkina Faso. The first article reported on a research project, conducted in partnership with local actors involved in road safety, carried out in Ouagadougou in 2015. Its aim was to test the effectiveness, acceptability, and capacity of a surveillance system to assess the number of road traffic crashes and their consequences on the health of crash victims. Several knowledge translation activities were carried out to maximize its impact and were reported in the 2018 article published in HRPS: monthly reports presenting the research data, large-format printed maps distributed to the city's police stations, and a deliberative workshop held at the end of the research project. The present commentary presents our efforts to deepen our understanding of the impacts of the knowledge translation strategy, based on follow-up interviews, 18 months after the workshop, with the heads of the road traffic crash units in Ouagadougou police stations (n = 5). Several benefits were reported by respondents. Their involvement in the process prompted them to broaden their knowledge of other ways of dealing with the issue of road crashes. This led them, sometimes with their colleagues, to intervene differently: more rapid response at collision sites, increased surveillance of dangerous intersections, user awareness-raising on the importance of the highway code, etc. However, sustaining these actions over the longer term has proven difficult. Several lessons were derived from this experience, regarding the importance of producing useful and locally applicable research data, of ensuring the acceptability of the technologies used for data collection, of using collaborative approaches in research and knowledge translation, of ensuring the visibility of actions undertaken by actors in the field, and of involving decision-makers in the research process to maximize its impacts.
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 | 0,048 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,026 | 0,022 |
| Communication savante | 0,012 | 0,016 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,014 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».