The pragmatic, rapid, and iterative dissemination and implementation (PRIDI) cycle: adapting to the dynamic nature of public health emergencies (and beyond)
Notice bibliographique
Résumé
BACKGROUND: Public health emergencies-such as the 2020 COVID-19 pandemic-accelerate the need for both evidence generation and rapid dissemination and implementation (D&I) of evidence where it is most needed. In this paper, we reflect on how D&I frameworks and methods can be pragmatic (i.e., relevant to real-world context) tools for rapid and iterative planning, implementation, evaluation, and dissemination of evidence to address public health emergencies. THE PRAGMATIC, RAPID, AND ITERATIVE D&I (PRIDI) CYCLE: The PRIDI cycle is based on a "double-loop" learning process that recognizes the need for responsiveness and iterative adaptation of implementation cycle (inner loop) to the moving landscapes, presented by the outer loops of emerging goals and desired outcomes, emerging interventions and D&I strategies, evolving evidence, and emerging characteristics and needs of individuals and contexts. Stakeholders iteratively evaluate these surrounding landscapes of implementation, and reconsider implementation plans and activities. CONCLUSION: Even when the health system priority is provision of the best care to the individuals in need, and scientists are focused on development of effective diagnostic and therapeutic technologies, planning for D&I is critical. Without a flexible and adaptive process of D&I, which is responsive to emerging evidence generation cycles, and closely connected to the needs and priorities of stakeholders and target users through engagement and feedback, the interventions to mitigate public health emergencies (e.g., COVID-19 pandemic), and other emerging issues, will have limited reach and impact on populations that would most benefit. The PRIDI cycle is intended to provide a pragmatic approach to support planning for D&I throughout the evidence generation and usage processes.
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 | 0,417 | 0,427 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,032 |
| Communication savante | 0,027 | 0,022 |
| Science ouverte | 0,011 | 0,045 |
| Intégrité de la recherche | 0,012 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».