How Can Policymakers be Encouraged to Support People With Spinal Cord Injury—Scoping Review
Notice bibliographique
Résumé
STUDY DESIGN: Scoping review. OBJECTIVE: Regarding that inappropriate medical care approaches, absence of rehabilitation services, and existing barriers in physical, social, and policy environments lead to poor outcomes in individuals with spinal cord injury (SCI) and provision for appropriate interventions and care must be created by health policymakers, we conducted this scoping review to investigate how policymakers can be persuaded to set new plans for individuals with SCI. METHODS: This review was performed according to Arksey and O'Malley's framework. PubMed was searched in February2019 without language limitation. We looked for other potential gray literature sources and some professional websites. References sections of selected articles were also scanned for other relevant literature. RESULTS: We included literature that met inclusion criteria to answer our research question. The literature was divided into 3 categories. The first category included economic impact of SCI. The second category included the role of research and developing research strategy. The third category included effective interaction and communication with policymakers. CONCLUSION: It is essential to consider multiple factors for influencing policymakers' decisions. These factors include knowing how to communicate with policymakers and presenting constructive ideas, providing a source of valid, reliable, and consistent data, considering the role of patients' advocacy groups and Non-Governmental Organizations (NGOs), and presentation of the importance of early intervention in reducing healthcare system costs. Ultimately, the goal is to have a comprehensive and flexible plan for influencing policymakers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».