Knowledge mobilization in childhood cancer: A scoping review and content analysis
Notice bibliographique
Résumé
Objective This scoping review aimed to map the literature on knowledge mobilization (KMb), the reciprocal exchange of knowledge and expertise among key partners to bridge research and practice, in the childhood cancer community, identifying key needs, barriers, facilitators, and alignment with the knowledge-to-action (KTA) framework. Methods A comprehensive search was completed across Medline, Scopus, and ERIC. Data on study characteristics, KMb categories, barriers/facilitators, and KTA approaches were extracted and analyzed. Results A total of 2522 unique articles were identified, of which 77 met the inclusion criteria (1988–2024). Most studies were conducted in high-income countries ( n = 54, 70.1%), with 5.2% from lower-middle-income countries ( n = 4) and none from low-income countries. Collectively, 27,888 professionals and 50,786 patients were included in the studies. Four key categories resurfaced for KMb needs in this community: information and communication; medical management; training and education; and supports. Categories related to barriers and facilitators for effective KMb include information complexity and standardization; technical challenges to KMb; staff resistance and engagement; resource limitations; cultural and social factors; caregivers’ and parents’ values; and time constraints. While 76.6% of studies ( n = 59) proposed KMb interventions, fewer than 20% ( n = 14, 18.2%) offered evidence of sustaining knowledge use over time. Conclusion The state of the literature indicates that the childhood cancer community faces complex KMb needs and barriers. Future research and innovation should focus on patient and family engagement, address socioeconomic and cultural disparities, and explore how technology can enhance KMb, practice, and policy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».