Knowledge to Impact: From Conceptualizing to Mobilizing the Saskatchewan Caregiver Experience Study
Notice bibliographique
Résumé
OBJECTIVES: Given the rising number of older adults reliant on family and friend caregivers (i.e., those who provide informal care), the Saskatchewan Caregiver Experience Study aimed to examine the experiences of these caregivers in Saskatchewan and identify unmet needs. This paper describes our knowledge translation and mobilization efforts of our study's findings. METHODS: Researchers partnered with the Saskatoon Council on Aging (SCOA) to conduct the study, recruiting 355 family and friend caregivers. We evaluated impacts across conceptualization, data collection and knowledge mobilization using the Knowledge Engagement Impact Assessment Toolkit to assess how effectively our study's design has the potential to impact policy and practice, which involved completing an Assessment Matrix (quantitative assessment) and Assessment Portrait (qualitative assessment). A stakeholder webinar served as the primary knowledge translation event. FINDINGS: An Assessment Matrix revealed moderate impact scores for conceptualization and knowledge mobilization phases. However, the Assessment Portrait reflected collaboration, thorough policy alignment and outreach. Data collection and analysis scored lower. We reflected on this lower score in the Assessment Portrait as being due to fewer avenues for reciprocal engagement and capacity-building during this stage. Policy recommendations, formed in collaboration with SCOA, were presented at the webinar and called for expanded respite care and streamlined system navigation. CONCLUSION: By systematically evaluating research activities, this study highlights the critical role of knowledge translation in shaping caregiver support. Findings reinforce the importance of early and ongoing stakeholder collaboration, user-friendly dissemination methods and targeted policy action. Employing a structured framework for measuring engagement impact can guide targeted interventions, ensuring that caregiver programming, legislative reforms and improved care quality align with evolving population needs and priorities.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».