MétaCan
Menu
Retour à la cohorte
Enregistrement W4382582807 · doi:10.32598/jrh.12.6.1970.3

Identifying Key Steps in Developing a One-stop Shop for Health Policy and System Information in a Limited-resource Setting: A Case Study

2022· article· en· W4382582807 sur OpenAlexafffund
Boniface Mutatina, Robert Basaza, Nelson Kawulukusi Sewankambo, John N. Lavis

Notice bibliographique

RevueJournal of Research and Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesInternational Development Research CentreMcMaster University
Mots-clésResource (disambiguation)Process (computing)Key (lock)Process managementProduct (mathematics)Computer scienceDisseminationKnowledge managementKnowledge translationBusinessComputer security

Résumé

récupéré en direct d'OpenAlex

Background: Limited understanding exists about the development of online one-stop shops for evidence in a limited-resource setting, such as Uganda. This study aimed to provide a comprehensive account of the development process of the online resource for local policy and systems-relevant information in this setting. Methods: We utilized a case study design to address our objective where the case (i.e., unit of analysis) was defined as “the Uganda clearinghouse for health policy and system (UCHPS) the development process”. We collected data from multiple sources, including key informant interviews, participant observations, and archival records to develop a comprehensive account of the case under investigation. Results: We found out that the development of Uganda clearinghouse for health policy and system (UCHPS) followed a seven-step process, characterized by iterations that occurred within and between the steps. The essential components of the process included concept development, prototyping the key structure, engaging with policymakers, researchers, and other stakeholders, mobilizing and indexing the content, disseminating the resource, user-testing, and updating the system. Conclusion: Our study provides key steps for developing a one-stop shop for local evidence to inform health policy and system decisions. Researchers and institutions, especially those in low and middle income countries (LMICs) may apply this step-by-step inventory to develop similar resources. The inventory is based on knowledge translation (KT) evidence and product design principles along with insights drawn from the practical experience of developing an online KT platform in a limited-resource setting.

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)0,066
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,349

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0170,015
Communication savante0,0150,018
Science ouverte0,0050,017
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,764
Tête enseignante GPT0,725
Écart entre enseignants0,039 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Research and HealthMême sujetHealth Policy Implementation ScienceTravaux en français237 207