Patient and public involvement in research: a review of practical resources for young investigators
Notice bibliographique
Résumé
Patient and public involvement (PPI) in every aspect of research will add valuable insights from patients' experiences, help to explore barriers and facilitators to their compliance/adherence to assessment and treatment methods, bring meaningful outcomes that could meet their expectations, needs and preferences, reduce health care costs, and improve dissemination of research findings. It is essential to ensure competence of the research team by capacity building with available resources on PPI. This review summarizes practical resources for PPI in various stages of research projects-conception, co-creation, design (including qualitative or mixed methods), execution, implementation, feedback, authorship, acknowledgement and remuneration of patient research partners, and dissemination and communication of research findings with PPI. We have briefly summarized the recommendations and checklists, amongst others, for PPI in rheumatic and musculoskeletal research (e.g. the European Alliance of Associations for Rheumatology (EULAR) recommendations, the Core Outcome Measures in Effectiveness Trials (COMET) checklist and the Guidance for Reporting Involvement of Patients and the Public (GRIPP) checklist). Various tools that could be used to facilitate participation, communication and co-creation of research projects with PPI are highlighted in the review. We shed light on the opportunities and challenges for young investigators involving PPI in their research projects, and have summarized various resources that could be used to enhance PPI in various phases/aspects of research. A summary of web links to various tools and resources for PPI in various stages of research is provided in Additional file 1.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».