Design, delivery, and evaluation of a knowledge translation intervention for multi-stakeholders
Notice bibliographique
Résumé
BACKGROUND: Knowledge translation (KT) is a key competency for trainees (graduate students and post-doctoral fellows), the new generation of researchers who must learn how to synthesize, disseminate, exchange, and ethically apply knowledge to improve patient and health system services, products, and outcomes. KT training is a key enabler to support KT competency development. Yet, there is a dearth of research on the design, delivery, and evaluation of KT training for trainees. METHODS: The study applied a QUAN(qual) mixed methods approach with an embedded experimental model design. A heart and lung patient was also recruited to participate as a partner and researcher in the study. A multi-faceted KT intervention for trainees was designed, delivered, and evaluated. Data were collected using surveys and focus groups. Quantitative data were analyzed using descriptive and inferential statistics in R Studio and MS Excel. Qualitative data were analyzed in NVivo using thematic analysis. RESULTS: Participation in each KT intervention varied, with 8-42 participants attending KT webinars, 61 attendees in the Three Minute Thesis (3MT) Competition Heat, and 31 participants in the Patient & Public Forum. In total, 27 trainees and 4 faculty participated in at least one of the KT webinars. Trainee participants reported satisfaction, as well as statistically significant increases in 10/13 KT competencies after receiving one or more components of the KT intervention. Additionally, participating faculty, patients, and the public were satisfied with the intervention components they participated in. Several challenges and facilitators were also identified to improve the KT intervention. CONCLUSIONS: The KT intervention is a promising initiative that can be adopted and adapted across various post-secondary settings to support trainees' competency development in KT. This evaluation demonstrates that trainees will respond to opportunities for KT training and that capacity for KT competencies can be advanced through a multi-faceted intervention that involves trainees, faculty, patients, and health system collaborators in its design and delivery. This evaluation study contributes the design and results of a novel KT intervention for multi-stakeholders. TRIAL REGISTRATION: N/A.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai non randomisé | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | medium |
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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.
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».