MétaCan
Menu
Retour à la cohorte
Enregistrement W3122355831 · doi:10.1186/s12889-020-10121-9

Integrated knowledge translation to strengthen public policy research: a case study from experimental research on income assistance receipt among people who use drugs

2021· article· en· W3122355831 sur OpenAlexafffundabout
Joanna Mendell, Lindsey Richardson

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia HospitalBritish Columbia Centre on Substance Use
Organismes subventionnairesProvidence Health Care Research InstituteCanadian Institutes of Health ResearchVancouver Coastal Health Research InstituteMichael Smith Health Research BCProvidence Health CareDepartment of Health Care Services
Mots-clésKnowledge translationReceiptStakeholder engagementPublic relationsMedicineStakeholderPublic healthAcknowledgementKnowledge managementExperiential knowledgeNursing researchMedical educationBusinessNursingPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Solutions to complex public health issues should be informed by scientific evidence, yet there are important differences between policy and research processes that make this relationship challenging. Integrated knowledge translation (IKT) is a strategy of sustained stakeholder engagement that intends to address barriers to evidence use. We highlight an example of an IKT project alongside a randomized controlled trial of a public policy intervention that tested different disbursement patterns of income assistance among people who use drugs in Vancouver, British Columbia. METHODS: A case study design was used where an IKT strategy led by a knowledge broker embedded within the research team acts as the case. This case study evaluates the process and effectiveness of the integrated knowledge translation project by measuring intermediate outcomes within a Theory of Change created to map pathways to impact. Content analysis was performed using an evaluation template through document review, post-event evaluations, and detailed tracking of media, knowledge translation activities and requests for information. RESULTS: A host of knowledge translation products synthesized existing research about the harms of synchronized income assistance disbursement and supported stakeholder engagement, facilitating conversation, relationship building and trust with stakeholders. Engagement improved knowledge of the contextual feasibility for system change, and contributed experiential knowledge to study findings. A combination of access to information and stakeholder and media engagement led to increased acknowledgement of the issue by policy makers directly involved in the income assistance system. CONCLUSIONS: This project shows how a multipronged approach to IKT addressed barriers to evidence-informed public policy and successfully contributed to increased public discourse around income assistance policy reform. Additionally, sustained engagement with diverse stakeholders led to improved contextual knowledge and understanding of potential community level impacts that, along with scientific results, improved the evidence available to inform system change. This case study provides insight into the role IKT can play alongside research aimed at public policy improvements. TRIAL REGISTRATION: This IKT project was embedded within the study titled: The impact of Alternative Social Assistance Disbursement on Drug-Related Harm (TASA), known as Cheque Day Study, registered on ClinicalTrials.gov ( NCT02457949 ) May 29, 2015.

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)0,096
score de la tête « metaresearch » (Gemma)0,097
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,508

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0960,097
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0200,015
Communication savante0,0070,007
Science ouverte0,0050,013
Intégrité de la recherche0,0070,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,475
Tête enseignante GPT0,521
Écart entre enseignants0,046 · 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'étudeObservationnel
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

Citations22
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207