A realist evaluation of social care practitioners’ experiences with and understanding of applied healthcare research
Notice bibliographique
Résumé
Abstract Social care practitioners are often under-represented in research activity and output. This article presents findings from a National Institute for Health and Care Research (NIHR) funded realist evaluation to understand and explain how, why, for whom, and in what contexts mental health social care practitioners engage with research. The study uses a current NIHR-funded study—REalist Synthesis Of non-pharmacologicaL interVEntions for antipsychotic-induced weight gain (RESOLVE)—as an illustrative example. Semi-structured interviews were undertaken with eighteen social care practitioners (SCPs) and data were analysed using a realist logic of analysis. Our refined programme theory describes SCPs’ current knowledge and interests in research, influenced by healthcare culture; their relationships with other healthcare professionals; protected time opportunities; and tailored invitations to hear their perspectives on healthcare needs of their clients. Underpinning the programme theory are seven context-mechanism-outcome configurations that propose evidence-informed contextually-sensitive causal explanations (i.e. mechanisms) that either facilitate or impede practitioners’ engagement with research. These findings highlight the need to provide tailored support to SCPs and build collaborative relationships with academics and other research-active health professionals. Better understanding of research engagement by SCPs will allow for evidence-based practice and better patient outcomes within these settings.
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 | 0,362 | 0,325 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,028 |
| Communication savante | 0,019 | 0,010 |
| Science ouverte | 0,004 | 0,032 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».