A PROGRESS-driven approach to cognitive outcomes after traumatic brain injury: A study protocol for advancing equity, diversity, and inclusion through knowledge synthesis and mobilization
Notice bibliographique
Résumé
Evidence syntheses for advancing equitable traumatic brain injury (TBI) research, policy, and practice presents formidable challenges. Research and clinical frameworks are currently not specific to equity, diversity, and inclusion considerations, despite evidence that persons with TBI live in societies in which power imbalances and systems of social dominance may privilege some people and marginalize others. The present protocol outlines a strategy for a research program, supported by the Canadian Institutes of Health Research, that explores the integration of PROGRESS-Plus parameters in research with the goal of advancing open-science databases and tools to improve our understanding of equity in cognitive and brain health outcomes in TBI. PROGRESS-Plus is a framework outlining social, economic, and cultural parameters that may influence health opportunities and outcomes (e.g., place of residence, race, occupation, gender, etc.). A multistep research program is proposed to support three objectives: (1) organizing existing data on TBI-induced changes in cognition and brain health into a template to facilitate future research, including research using machine learning techniques; (2) updating published evidence with a more rigorous approach to the consideration of PROGRESS-Plus parameters; and (3) mobilizing knowledge on the current state of evidence that is relevant, equitable, and accessible. This program facilitates partnerships with knowledge users across clinical, research, academic, and community sectors to address the three research objectives through a unifying workflow of exchange, synthesis, and knowledge mobilization. We anticipate that this global collaboration between topic experts and community leaders in equity in brain health will add significant value to the field of TBI by promoting equity-transformative advancements in knowledge synthesis, policy, and practice.
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 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 | 0,266 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,007 | 0,011 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,015 |
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 source (Gemma direct ou Codex distillé), 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 ».