MétaCan
Menu
Retour à la cohorte
Enregistrement W4416148163 · doi:10.1093/ijpp/riaf111

Realist evaluations: relevance to pharmacy practice and education

2025· article· en· W4416148163 sur OpenAlexaff
Lauren Crawley, Angelina Lim, Mahbub Sarkar, Jamie Kellar

Notice bibliographique

RevueInternational Journal of Pharmacy Practice · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMonash University
Mots-clésRelevance (law)Psychological interventionPharmacyPharmacy practicePopulation

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To explore realist evaluations, focusing on their utility in pharmacy-related practice and education research. METHODS: Realist evaluations are a theory-driven approach to research that provides a robust account of the nature of programs and how they work in answering the question, "what works (or does not work) for whom in what circumstances and why (not)?". In realist evaluations, the context in which it is implemented, the mechanisms that trigger change, and the outcomes that result are explored. KEY FINDINGS: Realist evaluations provide a more informed approach to targeting and refining programs to suit a diverse and complex healthcare system. Realist evaluations have been used by researchers from a variety of health professional disciplines to evaluate programs and interventions to improve public health, health care policy, and tertiary education institutions. Examples of the complex settings where researchers have used this method for the evaluation process include supervision training workshops, rural immersion training programs, faculty development courses, safe medication administration programs, and the ability of managers to effect change. CONCLUSION: Realist evaluations are powerful methodological approaches for studying complex interventions and support managing the nuances associated with constrained resources, differing governing policies and diverse population groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,051
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,168
Tête enseignante GPT0,593
Écart entre enseignants0,426 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Pharmacy PracticeMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207