Advancing Research Alongside Patient Partners: Next-Generation Best Practices for Effective Collaboration in Health Research
Notice bibliographique
Résumé
Ovarian Cancer Canada's Patient Partners in Research (PPiR) is a national volunteer-based program that trains and connects individuals with lived ovarian cancer (OC) experience to diverse research opportunities, to maximize the clinical relevance and real-life impact of OC research in Canada. A steadily increasing demand for patient partners to be involved as research team members and decision-makers led us to co-develop with the PPiR team a series of "best practices" for researcher-patient partnerships. This framework formalizes our evolving approach to patient engagement and begins to address challenges that can arise in research settings focused on less commonly diagnosed yet significant and fatal diseases such as OC: (1) Start early. (2) Foster collaboration among the entire research team. (3) Establish expectations and communicate regularly. (4) Report impact of patient partner contributions. (5) Ensure adequate resources. While there are ongoing challenges associated with patient engagement that need to be addressed, data collected from an anonymous survey of Canadian OC researchers show a marked improvement in perceived benefits of patient engagement over time and validate the best practices presented herein. Developed in the context of OC research, these best practices can be adapted to a variety of health research settings with similar challenges.
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 | 0,361 | 0,293 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,028 | 0,038 |
| Communication savante | 0,039 | 0,035 |
| Science ouverte | 0,011 | 0,063 |
| Intégrité de la recherche | 0,015 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 ».