51 Evaluating the Impact of International Surgical Society Research Grant Funding
Notice bibliographique
Résumé
Abstract Introduction Research impact is defined as the influence of research beyond academia. The European Association of Endoscopic Surgery (EAES) supports research through financial and training support. With the current project we aim to define and objectively measure the impact of research supported by one of the biggest surgical societies in Europe. Methods & Procedures A Steering Committee finalised the questionnaire through a Delphi process. This was disseminated to all previous EAES Research Grant recipients since 2011. Results were used to generate open ended questions for semi-structured interviews. Thematic analysis was performed. Results The questionnaire response rate was 22/30(73%). The median number of presentations was 2.5, highest number of citations/year was 19. Seven respondents participated on guideline committees, while 15 were involved in further research, including six multicentre trials. Three studies instigated changes in clinical policies. Two intellectual property designs were produced. Eight recipients received further funding. Experts rated a median positive impact of 5/7 on their career progression, while supervised non-experts rated 6/7. The framework from interview thematic analysis included the following topics: (i)benefits of EAES involvement (ii)career progression (academic-clinical) (iii)impact on skills (iv)network impact (v) overall impact (vi)EAES project support (vii)project challenges (viii)EAES project results (ix)study design suitability, and (x)EAES future scope. Conclusions The impact of research funding by EAES was significant; both academically and outside academia. The semi-structured interviews identified the facilitators and barriers to project progression and impact.
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 | 0,064 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».