PROTOCOL: Systematic review of methods to reduce risk of bias in knowledge translation interventional studies in health‐related issues
Notice bibliographique
Résumé
Background: Review studies have reported on the low quality of study methodologies and poor reporting of knowledge translation (KT) interventional studies. This flaw cause the result of such studies to become misleading. Objectives: The present review is designed to evaluate the effect of methodological factors on the results of interventional studies that aimed to evaluate KT strategies at the policy level. Search Methods: Bibliographic databases and grey literature databases will be searched. The retrieved studies will be recorded in Covidence. After screening titles and abstracts, the full texts of selected studies will be assessed against the inclusion criteria. Disagreements will be resolved through discussion or by consultation with a third author. Selection Criteria: Primary studies are studies that aimed to estimate the efficacy of KT strategies to improve evidence-informed policymaking. Study participants include policymakers and the intervention is a KT strategy. The main outcome is the desired changes in policy-makers towards evidence-informed decision-making. Data Collection and Analysis: The main effect sizes will be expressed as standard mean difference and its variance for the main efficacy outcome of KT strategies in primary studies. Forest plot meta-analysis will be used to synthesize the effect of each group of KT strategies. The contribution of ROB to the efficacy of KT interventions will be assessed via Meta-epidemiology analysis. The overall estimate will be calculated using inverse-variance random-effects meta-analysis with a 95% confidence interval for the estimate.
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 | 0,153 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».