MétaCan
Menu
Retour à la cohorte
Enregistrement W3159940388 · doi:10.2217/cer-2020-0279

Current practice of stakeholder engagement: researchers’ experiences in North America, DACH countries and China

2021· article· en· W3159940388 sur OpenAlexaboutno aff
Anna Heiß, Jiani Wang, Yutong Fei, Ruyu Xia, Katja Icke, Daniel Pach, Claudia M. Witt

Notice bibliographique

RevueJournal of Comparative Effectiveness Research · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStakeholderStakeholder engagementChinaDescriptive statisticsMedicineVariance (accounting)Public relationsPolitical scienceAccountingBusiness

Résumé

récupéré en direct d'OpenAlex

Aim: To explore the current practice of stakeholder engagement in clinical trials and its evaluation in North America (USA and Canada), DACH countries (Germany, Austria and Switzerland) and China. Participants & methods: We conducted a web-based, anonymous, international, cross-sectional online survey for clinical researchers. Data were analyzed using descriptive and explorative statistical analysis including analysis of variance and analysis of covariance. Results: Stakeholder engagement is more prominent and higher accepted among researchers in North America. Researchers in DACH countries have less knowledge of the stakeholder engagement method and are less likely to apply it. Conclusion: Stakeholder engagement is perceived very differently among participants from DACH countries, North America and China. For a broader acceptance and implementation institutional support and motivational conditions might be needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,049
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0490,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,731
Tête enseignante GPT0,589
Écart entre enseignants0,142 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Effectiveness ResearchMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207