A scoping review to identify and describe the characteristics of theories, models and frameworks of health research partnerships
Notice bibliographique
Résumé
BACKGROUND: Engaging users of health research, namely knowledge users, as partners in the research process may to lead to evidence that is more relevant to the users. This may optimize the uptake of evidence in healthcare practice, resulting in improved health outcomes or more efficient healthcare systems. However, barriers to involving knowledge users in the research process exist. Theories, models and frameworks may help guide the process of involving knowledge users and address barriers to engaging with knowledge users in research; however, there is little evidence identifying or describing the theories, models and frameworks of health research partnerships. OBJECTIVES: Identify and describe theories, models and frameworks of health research partnerships. Report on concepts of knowledge user engagement represented in identified theories, models and frameworks. METHODS: We conducted a scoping review. Database (MEDLINE, Embase, CINAHL, PCORI) and ancestry and snowball searches were utilized. Included articles were written in English, published between January 2005 and June 2021, specific to health, a research partnership, and referred to a theory, model or framework. No critical appraisal was conducted. We developed a coding framework to extract details related to the publication (e.g. country, year) and theory, model or framework (e.g. intended users, theoretical underpinning, methodology, methods of development, purpose, concepts of knowledge user engagement). One reviewer conducted data extraction. Descriptive statistics and narrative synthesis were utilized to report the results. RESULTS: We identified 21 874 articles in screening. Thirty-nine models or frameworks were included in data analysis, but no theory. Two models or frameworks (5%) were underpinned by theory. Literature review was the method (n = 11, 28%) most frequently used to develop a model or framework. Guiding or managing a partnership was the most frequently reported purpose of the model/framework (n = 14, 36%). The most represented concept of knowledge user engagement was principles/values (n = 36, 92%). CONCLUSIONS: The models and frameworks identified could be utilized by researchers and knowledge users to inform aspects of a health research partnership, such as guidance or implementation of a partnership. Future research evaluating the quality and applicability of the models and frameworks is necessary to help partners decide which model or framework to implement.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,111 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,006 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».