Decision Maker's Experiences with Rapid Evidence Summaries to Support Real-time Evidence-Informed Decision Making in Crises: A Mixed Methods Study
Notice bibliographique
Résumé
Introduction: There is a clear need for research evidence to drive policymaking and emergency responses so lives are saved and resources are not wasted. The need for evidence support for health and humanitarian crisis is pertinent because of the time and practical constraints that decision makers in these settings face. To improve the use of research evidence in policy and practice, it is important to provide evidence resources tailored to the target audience. This study aims to gain real-world insights from decision makers about how they use evidence summaries to inform real-time decision making in crisis settings, and to use the findings to improve the format of evidence summaries. Method: This study used an explanatory sequential mixed method study design. First, a survey was used to identify the views and experiences of those who were directly involved in crisis response in different contexts, and who may or may not have used evidence summaries. Second, the insights generated from the survey helped inform qualitative interviews with decision makers in crisis-settings to derive an in-depth understanding of how they use evidence summaries and their desired format for evidence summaries. Results: Twenty-six decision-makers working in health and humanitarian emergencies were interviewed. The study identified challenges decision makers face when trying to find and use research evidence in crises, including insufficient time and increased burden of responsibilities during crises. Decision makers preferred the following components in evidence summaries: title, target audience, presentation of key findings in an actionable checklist, implementation considerations, and assessment of the quality of evidence presented. The study developed an evidence summary template with accompanying training material to inform real-time decision making in crisis settings. Conclusion: The study provided a deeper understanding of the preferences of decision-makers working in health and humanitarian emergencies regarding the format of evidence summaries to enable real-time evidence-informed decision-making.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».