MétaCan
Menu
Retour à la cohorte
Enregistrement W4378953683 · doi:10.1111/hex.13787

The benefits, challenges, and best practice for patient and public involvement in evidence synthesis: A systematic review and thematic synthesis

2023· review· en· W4378953683 sur OpenAlexaff
Eldad Agyei‐Manu, Nadege Atkins, Bohee Lee, Jasmin Rostron, Marshall Dozier, Maureen Smith, Ruth McQuillan

Notice bibliographique

RevueHealth Expectations · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensCochraneCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésCINAHLGrey literatureThematic analysisSystematic reviewMEDLINECochrane LibraryQualitative researchBest practicePerspective (graphical)StakeholderEmpowermentRelevance (law)Inclusion (mineral)PsychologyMedical educationMedicineNursingPublic relationsPsychological interventionPolitical scienceSociologySocial psychologyComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Despite the growing evidence on patient and public involvement (PPI) in health research, little emphasis has been placed on understanding its quality and appropriateness to evidence synthesis (ES) and systematic reviews (SR). This study aimed to synthesise qualitative evidence on the benefits, challenges, and best practices for PPI in ES/SR projects from the perspectives of patients/public and researchers. METHODS: We searched Ovid MEDLINE, Ovid EMBASE, Cochrane Library and CINAHL Plus. We also searched relevant grey literature and conducted hand-searching to identify qualitative studies which report the benefits and challenges of PPI in individual ES/SR projects. Studies were independently screened by two reviewers for inclusion and appraised using the Joanna Briggs Institute's Qualitative Tool. Included studies were synthesised narratively using thematic synthesis. RESULTS: The literature search retrieved 9923 articles, of which eight studies were included in this review. Five themes on benefits emerged: two from patients'/public's perspective-gaining knowledge, and empowerment; and three from researchers' perspective-enhancing relevance, improving quality, and enhancing dissemination of findings. Six themes on challenges were identified: three from patients'/public's perspective-poor communication, time and low self-esteem; and three from researchers' perspective-balancing inputs and managing relations, time, and resources and training. Concerning recommendations for best practice, four themes emerged: provision of sufficient time and resources, developing a clear recruitment plan, provision of sufficient training and support, and the need to foster positive working relationships. CONCLUSION: Highlighting the benefits and challenges of PPI in ES/SR projects from different stakeholder perspectives is essential to understand the process and contextual factors and facilitate meaningful PPI in ES/SR projects. Future research should focus on the utilisation of existing frameworks (e.g., Authors and Consumers Together Impacting on eVidencE [ACTIVE] framework) by researchers to help describe and/or report the best approaches and methods for involving patients/public in ES/SRs projects. PATIENT AND PUBLIC CONTRIBUTION: This review received great contributions from a recognised PPI partner, the Chair of the Cochrane Consumer Network Executive, to inform the final stage of the review (i.e., interpretation, publication and dissemination of findings). The PPI partner has been included as an author of this review.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,535
score de la tête « metaresearch » (Gemma)0,613
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,573

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5350,613
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0090,009
Bibliométrie0,0320,034
Études des sciences et des technologies0,0050,013
Communication savante0,0170,024
Science ouverte0,0060,015
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,535
Tête enseignante GPT0,502
Écart entre enseignants0,033 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetMental Health and Patient InvolvementTravaux en français237 207