Supporting disability-inclusive knowledge translation and patient access to knowledge: A synthesis of select special education theories
Notice bibliographique
Résumé
Equitable access to knowledge and knowledge translation that is inclusive to marginalized patients-including those whose health conditions have resulted in lifelong disability-may be supportive of health equity. In enhancing the evidence base of what constitutes disability-inclusive knowledge translation, patients may be better supported in their health literacy, self-management, or autonomy in making health-related decisions. To identify potential guiding principles from the discipline of special education that has been invested in providing equitable access to knowledge for patients living with disabilities across all age groups. Qualitative synthesis of existing theories, models, and frameworks (TMFs) in special education is performed to identify constructs which may guide disability-inclusive knowledge translation. A search methodology adapted from PRISMA-ScR was conducted in Web of Science and Scopus to identify review-type studies in special education scholarship. A total of 69 unique review-type studies were retrieved in the English language, resulting in 21 meeting the inclusion criteria of presenting a special education TMF with potential to inform knowledge translation. Ten themes emerged through data charting of theoretical constructs, as well as open coding of five studies. Findings that may promote disability-inclusive knowledge translation are presented in a synthesized framework with 25 considerations. Special education TMFs are diverse in focus; this first-steps study illustrates significant potential of special education TMFs in informing disability-inclusive knowledge translation. Future studies that engage with a more expansive set of special education TMFs will bring value to implementation science.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; 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 ».