MétaCan
Menu
← Retour à la cohorte
Enregistrement W4384652158 · doi:10.1136/bmjopen-2022-064296

Secondary analysis of a James Lind Alliance priority setting partnership to facilitate knowledge translation in degenerative cervical myelopathy (DCM): insights from AO Spine RECODE-DCM

2023· article· en· W4384652158 sur OpenAlexaff
Benjamin M. Davies, Jamie Brannigan, Oliver Mowforth, Danyal Z. Khan, Angus McNair, Lindsay Tetreault, Iwan Sadler, Ellen Sarewitz, Bizhan Aarabi, Brian K. Kwon, Toto Gronlund, Vafa Rahimi‐Movaghar, Carl Moritz Zipser, Peter J. Hutchinson, Shekar N. Kurpad, James S. Harrop, Jefferson R. Wilson, James D. Guest, Michael G. Fehlings, Mark Kotter

Notice bibliographique

RevueBMJ Open · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensVancouver General HospitalUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesAOSpineAO FoundationUniversity of OxfordUniversity of BristolNational Institute for Health and Care ResearchUniversity Hospitals Bristol NHS Foundation Trust
Mots-clésMedicineKnowledge translationGeneral partnershipAllianceMyelopathyStakeholderPsychological interventionFamily medicinePhysical therapyNursingPublic relationsKnowledge managementPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To explore whether a James Lind Alliance Priority Setting Partnership could provide insights on knowledge translation within the field of degenerative cervical myelopathy (DCM). DESIGN: Secondary analysis of a James Lind Alliance Priority Setting Partnership process for DCM. PARTICIPANTS AND SETTING: DCM stake holders, including spinal surgeons, people with myelopathy and other healthcare professionals, were surveyed internationally. Research suggestions submitted by stakeholders but considered answered were identified. Sampling characteristics of respondents were compared with the overall cohort to identify subgroups underserved by current knowledge translation. RESULTS: The survey was completed by 423 individuals from 68 different countries. A total of 22% of participants submitted research suggestions that were considered 'answered'. There was a significant difference between responses from different stakeholder groups (p<0.005). Spinal surgeons were the group which was most likely to submit an 'answered' research question. Respondents from South America were also most likely to submit 'answered' questions, when compared with other regions. However, there was no significant difference between responses from different stakeholder regions (p=0.4). CONCLUSIONS: Knowledge translation challenges exist within DCM. This practical approach to measuring knowledge translation may offer a more responsive assessment to guide interventions, complementing existing metrics.

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)0,146
score de la tête « metaresearch » (Gemma)0,248
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,770

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1460,248
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0050,002
Communication savante0,0050,004
Science ouverte0,0020,012
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,573
Tête enseignante GPT0,528
Écart entre enseignants0,045 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetMental Health and Patient Involvement→Travaux en français237 207→