A Tripartite Knowledge Translation Program: Innovative Patient-Centered Approach to Clinical Research Participation for Individuals with Multiple Sclerosis
Notice bibliographique
Résumé
BACKGROUND: Knowledge translation (KT) models that represent an individual's perspective are a sign of effective KT. Some common challenges in KT include participant engagement, organization of the team, and time demands of the participants. We implemented a unique tripartite KT program to (1) share current research, (2) inform persons living with multiple sclerosis (pwMS) about the clinical research process, and (3) invite pwMS to immediately participate in clinical research. The primary aim was to determine participants' perspectives on the value and acceptability of an experiential research program offered at a patient and family educational conference. METHODS: A team of researchers identified factors that would impact the logistics of hosting an experiential research program at a conference and designed a unique tripartite KT program. The local multiple sclerosis (MS) society was engaged to select an appropriate location and invite stakeholders to the conference. A survey to determine participants' perspectives on the value and acceptability of the experiential research program was developed and analyzed. RESULTS: 65 pwMS attended the conference, and 44 (67.7%) participated in the on-site experiential research program. 72.7% of the participants completed the survey, of which 93.8% stated that they strongly agree or agree with the following statements: "Did you feel like participating in research today was a valuable experience to you?" and "Did you feel like you were contributing to MS research?" 100% of the participants agreed or strongly agreed when asked "would you like to see more research activities taking place at these kinds of events?" CONCLUSIONS: This paper describes the logistics and challenges of conducting an experiential KT program, which proved to be rewarding for pwMS. The majority of pwMS attending the conference agreed to participate in the on-site experiential research program and an overwhelming majority of participants felt the experience was valuable.
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 | 0,034 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».