The production and utility of evidence synthesis during the COVID-19 pandemic in Canada: perspectives of evidence synthesis producers
Notice bibliographique
Résumé
Background: COVID-19 accentuated an evergreen dilemma in evidence-informed policy making: the imperative to synthesise the best available evidence with limited time to produce high quality synthesis. The pandemic prompted the adaptation of evidence synthesis practices to match the urgency of the crisis, and heightened demand by policy makers, while maintaining a focus on quality. This study documents the response to these challenges from the perspectives of those who produced evidence syntheses in Canada. Methods: A qualitative phenomenological study was conducted between October 2022 and January 2023. Data collection included interviews with 22 participants within 19 organisations across seven provinces. A thematic analysis was performed and reported narratively. Results: Evidence synthesis producers in Canada adapted in response to the demands of different types of requests during the pandemic. Participants described several key challenges in responding to end-users, in which a lack of knowledge of evidence synthesis processes and products prompted difficult questions and unrealistic expectations. They responded to the needs of evidence synthesis requestors by creating custom syntheses, utilising rapid review methodologies, emphasising limitations and incorporating recommendations into syntheses. Discussion and conclusion: The evidence synthesis field was able to adapt to pandemic challenges in valuable ways. Still, this experience accentuates disconnects between producers and users, including differing views on the purpose, methods, limitations and implementation of synthesis findings.
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 | 0,593 | 0,655 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,013 | 0,022 |
| Études des sciences et des technologies | 0,031 | 0,053 |
| Communication savante | 0,053 | 0,014 |
| Science ouverte | 0,008 | 0,020 |
| Intégrité de la recherche | 0,012 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».