The Cameroon Health Research and Evidence Database (CAMHRED): tools and methods for local evidence mapping
Notice bibliographique
Résumé
Abstract Background Local evidence is important for contextualized knowledge translation. It can be used to adapt global recommendations, to identify future research priorities and inform local policy decisions. However, there are challenges in identifying local evidence in a systematic, comprehensive, and timely manner. There is limited guidance on how to map local evidence and provide it to users in an accessible and user-friendly way. In this study, we address these issues by describing the methods for the development of a centralized database of health research evidence for Cameroon and its applications for research prioritization and decision making. Methods We searched 10 electronic health databases and hand-searched the archives of non-indexed African and Cameroonian journals. We screened titles, abstracts, and full texts of peer reviewed journal articles published between 1999 and 2019 in English or French that assess health related outcomes in Cameroonian populations. We extracted relevant study characteristics based on a pre-established guide. We developed a coding scheme or taxonomy of content areas so that local evidence is mapped to corresponding domains and subdomains. Pairs of reviewers coded articles independently and resolved discrepancies by consensus. Moreover, we developed guidance on how to search the database, use search results to create evidence maps and conduct knowledge gap analyses. Results The Cameroon Health Research and Evidence Database (CAMHRED) is a bilingual centralized online portal of local evidence on health in Cameroon from 1999 onwards. It currently includes 4384 studies categorized into content domains and study characteristics (design, setting, year and language of publication). The database is searchable by keywords or through a guided search. Results including abstracts, relevant study characteristics and bibliographic information are available for users to download. Upon request, guidance on how to optimize search results for applications like evidence maps and knowledge gap analyses is also available. Conclusions CAMHRED ( https://camhred.org/ ) is a systematic, comprehensive, and centralized resource for local evidence about health in Cameroon. It is freely available to stakeholders and provides an additional resource to support their work at various levels in the research process.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 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 ».