From knowledge to action: protocol for a mixed-methods evaluation of First Nations-led knowledge mobilisation on prenatal opioid exposure
Notice bibliographique
Résumé
INTRODUCTION: First Nations communities in Canada are disproportionately impacted by prenatal opioid exposure (POE) and neonatal abstinence syndrome (NAS). In response, we developed a research partnership with 13 First Nations communities in Ontario. Phase I of the research project, initiated in 2018, included the development of mixed-methods reports on the impact of POE for each community. This protocol outlines the evaluation of phase II, during which nine communities individually co-designed and implemented community-specific knowledge mobilisation (KMb) plans informed by findings from phase I. The evaluation aims to assess advisory working group engagement, KMb implementation and perceived community-level impacts. METHODS AND ANALYSIS: This mixed-methods evaluation integrates survey and qualitative data to assess First Nations-led KMb products and activities. The Public and Patient Engagement Evaluation Tool, a validated survey instrument, will be administered to advisory group members and analysed descriptively. Focus groups and interviews will be conducted to explore advisory working group members' experiences and analysed using phenomenological methods. Qualitative findings will be mapped to the Engage with Impact framework to assess outcomes across engagement domains. ETHICS AND DISSEMINATION: Ethics approval has been granted by Vancouver Island University. All community contacts and advisory working group members will provide informed consent prior to data collection. Phase II activities are governed by formal community agreements. In alignment with First Nations Principles of OCAP (Ownership, Control, Access and Possession), First Nations community partners retain ownership of their KMb products and are actively involved in the design, implementation and dissemination of the project evaluation. Results will be shared through peer-reviewed publications, community reports and knowledge-sharing events.
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 | 0,150 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,114 | 0,021 |
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 ».