Connecting for Care: a protocol for a mixed-method social network analysis to advance knowledge translation in the field of child development and rehabilitation
Notice bibliographique
Résumé
BACKGROUND: Connections between individuals and organizations can impact knowledge translation (KT). This finding has led to growing interest in the study of social networks as drivers of KT. Social networks are formed by the patterns of relationships or connections generated through interactions. These connections can be studied using social network analysis (SNA) methodologies. The relatively small yet diverse community in the field of child development and rehabilitation (CD&R) in Canada offers an ideal case study for applying SNA. The purposes of this work are to (1) quantify and map the structure of Canadian CD&R KT networks among four groups: families, health care providers, KT support personnel, and researchers; (2) explore participant perspectives of the network structure and of KT barriers and facilitators within it; and (3) generate recommendations to improve KT capacity within and between groups. Aligning with the principles of integrated KT, we have assembled a national team whose members contribute throughout the research and KT process, with representation from the four participant groups. METHODS: A sequential, explanatory mixed-method study, within the bounds of a national case study in the field of CD&R. Objective 1: A national SNA survey of family members with advocacy/partnership experience, health care providers, KT support personnel, and researchers, paired with an anonymous survey for family member without partnership experience, will gather data to describe the KT networks within and between groups and identify barriers and facilitators of network connections. Objective 2: Purposive sampling from Phase 1 will identify semi-structured interview participants with whom to examine conventional and network-driven KT barriers, facilitators, and mitigating strategies. Objective 3: Intervention mapping and a Delphi process will generate recommendations for network and conventional interventions to strengthen the network and facilitate KT. DISCUSSION: This study will integrate network and KT theory in mapping the structure of the CD&R KT network, enhance our understanding of conventional and network-focused KT barriers and facilitators, and provide recommendations to strengthen KT networks. Recommendations can be applied and tested within the field of CD&R to improve KT, with the aim of ensuring children achieve the best health outcomes possible through timely access to effective healthcare.
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 |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Autre devis | high |
| grok | Communication savante Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Autre devis | high |
| opus | Communication savante Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Autre devis | medium |
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 | 0,127 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,103 | 0,025 |
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 3 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 ».