Closing the gap between implementation science and policy in Nigeria: lessons from the Nigeria implementation science alliance using a nominal group technique
Notice bibliographique
Résumé
Introduction: Knowledge translation in healthcare has been of keen interest to researchers, practitioners, policymakers and administrators as it seeks to confront complex health issues within communities by closing the gap between knowledge generation through research and knowledge application. A paucity of information exists regarding nature of the relationship between Nigerian implementation science researchers and policymakers in the sphere of knowledge translation. This study aimed to identify and discuss barriers to successful engagement between implementation researchers and policymakers as well as to identify strategies for successful engagement between both parties in Nigeria. Methods: A modified Nominal Group Technique was conducted with 259 diverse health research stakeholders attending the 7th Nigeria Implementation Science Alliance conference in Abuja, Nigeria, to identify barriers to knowledge translation in Nigerian healthcare settings. Results: Lack of interest in non-aligned priorities of implementation researchers and policymakers, knowledge and capacity gap in stakeholder engagement, and non-existence of engagement framework were ranked as the top three barriers. Developing and sustaining an effective engagement framework, aligning researcher-policymaker interests through collaborative research projects, and joint capacity-building were ranked the topmost facilitators of researcher-policymaker engagement. Conclusion: This study highlights key barriers to research-to-policy engagement in Nigeria, namely the need for structured engagement frameworks, alignment of priorities, and targeted capacity development, and proposes actionable strategies to address them. Sustainable impact will depend on dedicated financing, governance reforms, and institutional changes, supported by long-term partnerships and robust evaluation systems to advance knowledge translation and improve health outcomes.
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 | 0,146 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».