MétaCan
Menu
Retour à la cohorte
Enregistrement W4379056209 · doi:10.1186/s12961-023-00989-5

Evidence synthesis to policy: development and implementation of an impact-oriented approach from the Eastern Mediterranean Region

2023· review· en· W4379056209 sur OpenAlexafffund
Fadi El‐Jardali, Racha Fadlallah, Lama Bou Karroum, Elie A. Akl

Notice bibliographique

RevueHealth Research Policy and Systems · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesAlliance for Health Policy and Systems ResearchInternational Development Research Centre
Mots-clésHealth services researchHealth administrationHealth policyEmpirical evidenceImplementation researchKnowledge translationHealth informaticsEvidence-based medicinePolitical scienceManagement sciencePublic relationsHealth careMedicineMEDLINEEconomicsComputer scienceKnowledge managementPsychological interventionNursingLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite the importance of evidence syntheses in informing policymaking, their production and use remain limited in the Eastern Mediterranean region (EMR). There is a lack of empirical research on approaches to promote and use policy-relevant evidence syntheses to inform policymaking processes in the EMR. OBJECTIVE: This study sought to describe the development of an impact-oriented approach to link evidence synthesis to policy, and its implementation through selected case studies in Lebanon, a middle-income country in the EMR. METHODS: This study followed a multifaceted and iterative process that included (i) a review of the literature, (ii) input from international experts in evidence synthesis and evidence-informed health policymaking, and (iii) application in a real-world setting (implementation). We describe four selected case studies of implementation. Surveys were used to assess policy briefs, deliberative dialogues, and post-dialogue activities. Additionally, Kingdon's stream theory was adopted to further explain how and why the selected policy issues rose to the decision agenda. RESULTS: The approach incorporates three interrelated phases: (1) priority setting, (2) evidence synthesis, and (3) uptake. Policy-relevant priorities are generated through formal priority setting exercises, direct requests by policymakers and stakeholders, or a focusing event. Identified priorities are translated into focused questions that can be addressed via evidence synthesis (phase 1). Next, a scoping of the literature is conducted to identify existing evidence syntheses addressing the question of interest. Unless the team identifies relevant, up-to-date and high-quality evidence syntheses, it proceeds to conducting SRs addressing the priority questions of interest (phase 2). Next, the team prepares knowledge translation products (e.g., policy briefs) for undertaking knowledge uptake activities, followed by monitoring and evaluation (phase 3). There are two prerequisites to the application of the approach: enhancing contextual awareness and capacity strengthening. The four case studies illustrate how evidence produced from the suites of activities was used to inform health policies and practices. CONCLUSIONS: To our knowledge, this is the first study to describe both the development and implementation of an approach to link evidence synthesis to policy in the EMR. We believe the approach will be useful for researchers, knowledge translation platforms, governments, and funders seeking to promote evidence-informed policymaking and practice.

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.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Méthodes · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptMétarecherche
Domaine: Méthodes · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquemedium
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0330,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,955
Tête enseignante GPT0,777
Écart entre enseignants0,178 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Métarecherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet · Revue systématique
DomaineMéthodes
GenreSynthèse · Méthodes

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

En bref

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Research Policy and SystemsMême sujetHealth Policy Implementation ScienceCatégorieMétarechercheTravaux en français237 207