Exploring how patients, carers and members of the public are recruited to advisory boards, groups and panels as partners in public and patient involved health research: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Engaging patients, carers and members of the public in health research has become widely recognised as an important approach for bridging the gap between research, and health and social care by increasing the relevance of research for those who benefit from its findings. Specific approaches to engagement vary, but commonly include advisory boards, groups or patient panels that are active throughout all stages of research. The breadth of and optimal strategies for recruiting patients, carers and members of the public to such boards, groups or panels remains unclear. The objective of this manuscript is to identify the breadth of and optimal strategies used to recruit patients, carers and members of the public to advisory boards, groups or panels, within public and patient involvement (PPI) research. METHODS AND ANALYSIS: , an elaboration on the framework by Arksey and O'Malley. The search strategy was co-developed among the research team, PPI research experts and a faculty librarian. The review will take place between July 2021 and June 2022. In July and August 2021, eight electronic databases, MEDLINE (PubMed), MEDLINE (OVID), Embase, CINAHL, PsychINFO, Scopus, Web of Science and Cochrane Library, will be explored to capture all available literature. Two independent reviewers will screen articles by title and abstract and then at full text based on predetermined criteria. The data will be presented in a tabular format with a narrative summary discussing how the research findings relate to the overarching research question. A thematic analysis will also be completed using qualitative description, identifying key themes and gaps in the literature. ETHICS AND DISSEMINATION: Ethics is not required for this review. We aim to disseminate the information gathered through presentations at academic conferences, peer-reviewed publications and consultations with lay audiences.
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 | 0,182 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,012 | 0,013 |
| Bibliométrie | 0,025 | 0,020 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,008 |
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 ».