Barriers and Facilitators to Knowledge Brokering Activities: Perspectives from Knowledge Brokers Working in Canadian Rehabilitation Settings
Notice bibliographique
Résumé
INTRODUCTION: Knowledge translation experts advocate for employing knowledge brokers (KBs) to promote the uptake of research evidence in health care settings. Yet, no previous research has identified potential barriers for KBs to promote the uptake of research evidence in rehabilitation settings. This study aimed to identify the barriers and facilitators for KBs in Canadian rehabilitation settings as perceived by individuals serving as KBs. METHODS: Qualitative study using semistructured telephone interviews with individuals performing KB activities in rehabilitation settings across Canada. The interview topic guide was informed by the Consolidated Framework for Implementation Research (CFIR) and consisted of 20 questions covering three domains (characteristics of individuals, inner setting, and outer settings). We conducted qualitative descriptive analysis combining deductive coding guided by the CFIR. RESULTS: Characteristics of individuals included having communication skills, clinical experience, research skills, and interpersonal features, in addition to being confident and motivated and receiving training. The inner setting domain included having constant networking with stakeholders and being aware of stakeholders' needs, in addition to resources availability, leadership engagement, knowledge accessibility, prioritizing brokering activities, and monitoring KBs' performance. Finally, the outer setting domain showed that KBs need to be connected to a community of practice to promote information exchange and avoid work duplications. DISCUSSION: Factors likely to hinder or promote the optimal use of KBs within Canadian rehabilitation settings include skill sets and networking abilities; organizational culture, resources, and leadership engagement; and the need for specific training for KBs and for evaluation tools to monitor their performance.
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 | 0,022 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,038 | 0,013 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».