MétaCan
Menu
Retour à la cohorte
Enregistrement W4414979150 · doi:10.32396/usurj.v10i2.868

Understanding the time demands of integrated knowledge translation (iKT)

2025· article· en· W4414979150 sur OpenAlexaffvenueabout
Spencer Dmytruk, Jocelyn E. Blouin, Valerie H. Jackson, Aryan R. Kurniawan, Laura Zottl, Bart E. Arnold, Danielle R. Brittain, Katelyn Halpape, Sean Locke, Maeve McKinnon, Jennifer Pond, Don Ratcliffe-Smith, Susan Tupper, Nancy C. Gyurcsik, Wendy McKellar, Kelly C. Hall

Notice bibliographique

RevueUSURJ University of Saskatchewan Undergraduate Research Journal · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueSemantic Web and Ontologies
Établissements canadiensSaskatchewan Health AuthorityBrock UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésKnowledge translationChronic painPsychosocialCertificationIntervention (counseling)Physical activityHabitQuality of life (healthcare)

Résumé

récupéré en direct d'OpenAlex

College of Kinesiology Research Theme: Healthy aging and management of chronic conditions Introduction. Chronic pain is a public health emergency, affecting one in five Canadian adults. Without adequate pain management strategies, chronic pain can have detrimental effects on physical function, quality of life, and mental health. Despite strong evidence supporting physical activity as an effective nonpharmacological pain management strategy, most individuals who experience chronic pain are inactive. Psychosocial factors, such as fear of movement, pain anxiety, and low pain acceptance, contribute to inactivity. The Active Living for Pain (ALP) research team applied integrated knowledge translation (iKT) to co-develop, with patient and community partners, an accessible and acceptable physical activity program for adults living with moderate to severe chronic pain. The 6-week Movement That Matters (MTM) program targets the building of individuals' knowledge, confidence, and skills needed to engage in and maintain long-term physical activity participation. Purpose. The study purpose was to record the time required to engage in an iterative iKT approach in the co-development of MTM program materials and program logistics. Methods. The amount of time for ALP researchers and knowledge users to co-develop and finalize MTM materials (e.g., instructor implementation guide, participant habit tracker) and logistics (e.g., online MTM outcome surveys) was recorded. Knowledge users included patient partners and certified physical activity instructors. Results. The iKT process of co-development and finalization of the MTM materials ranged from 3 months (implementation guide) to 10 months (program overview guide and participant habit tracker). The time to finalize program logistics ranged from 6 weeks (securing of physical activity equipment) to 5 months (development and testing of online surveys, including participant screening, pre-program, end-program, and 1-month end-program surveys). Conclusion. The iKT process was time-intensive, requiring substantial coordination, collaboration, and iterative development between researchers and knowledge users. However, as recognized by the Canadian Institutes of Health Research, implementing iKT in program design has the potential to lead to more user-centred and effective programs in real-world settings. Researchers should be aware of the time required to meaningfully engage in iKT processes and account for this during program development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,081
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,002
Communication savante0,0070,006
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,313
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueUSURJ University of Saskatchewan Undergraduate Research JournalMême sujetSemantic Web and OntologiesTravaux en français237 207