Using behavioural science in public health settings during the COVID-19 pandemic: The experience of public health practitioners and behavioural scientists
Notice bibliographique
Résumé
INTRODUCTION: The emergence of COVID-19 and the importance of behaviour change to limit its spread created an urgent need to apply behavioural science to public health. Knowledge mobilisation, the processes whereby research leads to useful findings that are implemented to affect positive outcomes, is a goal for researchers, policy makers and practitioners alike. This study aimed to explores the experience of using behavioural science in public health during COVID-19, to discover barriers and facilitators and whether the rapidly changing context of COVID-19 influenced knowledge mobilisation. METHODS: We conducted a semi-structured interview study, with ten behavioural scientists and seven public health professionals in England, Scotland, Wales, The Netherlands and Canada. We conducted an inductive thematic analysis. RESULTS: We report three key themes and 10 sub-themes: 1.Challenges and facilitators of translation of behavioural science into public health (Methods and frameworks supported translation, Lack of supportive infrastructure, Conviction and sourcing of evidence and Embracing behavioural science) 2. The unique context of translation (Rapid change in context, the multi-disciplinary team and the emotional toll). 3. Recommendations to support future behavioural science translation (Embedding experts into teams, Importance of a collaborative network and showcasing the role of behavioural science). DISCUSSION: Barriers and facilitators included factors related to relationships between people, such as networks and teams; the expertise of individual people; and those related to materials, such as the use of frameworks and an overwhelming amount of evidence and literature. CONCLUSION: People and frameworks were seen as important in facilitating behavioural science in practice. Future research could explore how different frameworks are used. We recommend a stepped competency framework for behavioural science in public health and more focus on nurturing networks to facilitate knowledge mobilisation in future emergencies.
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 | 0,031 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».