MétaCan
Menu
Retour à la cohorte
Enregistrement W4385798869 · doi:10.1093/eurjcn/zvad077

Accelerating knowledge translation to improve cardiovascular outcomes and health services: opportunities for bridging science and clinical practice

2023· article· en· W4385798869 sur OpenAlexafffund
Sandra Lauck, Markus Saarijärvi, Ismália De Sousa, Nicola Straiton, Britt Borregaard, Krystina B. Lewis

Notice bibliographique

RevueEuropean Journal of Cardiovascular Nursing · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensUniversity of OttawaSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésMedicineBridging (networking)Knowledge translationClinical PracticeMyocardial bridgingMedical educationKnowledge managementFamily medicineCardiologyCoronary angiographyMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Knowledge translation (KT) is the exchange between knowledge producers and users to understand, synthesize, share, and apply evidence to accelerate the benefits of research to improve health and health systems. Knowledge translation practice (activities/strategies to move evidence into practice) and KT science (study of the methodology and approaches to promote the uptake of research) benefit from the use of conceptual thinking, the meaningful inclusion of patients, and the application of intersectionality. In spite of multiple barriers, there are opportunities to develop strong partnerships and evidence to drive an impactful research agenda and increase the uptake of cardiovascular research.

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 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)0,048
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0480,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,518
Tête enseignante GPT0,498
Écart entre enseignants0,020 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Cardiovascular NursingMême sujetMental Health and Patient InvolvementTravaux en français237 207