A method to audit and score implementation of knowledge translation (KT) interventions in large health regions – an observational pilot study using rectal cancer surgery in Ontario
Notice bibliographique
Résumé
Abstract Background Across Ontario, since the year 2006 various knowledge translation (KT) interventions designed to improve the quality of rectal cancer surgery have been implemented by the provincial cancer agency or by individual researchers. Ontario is divided administratively into 14 health regions. We piloted a method to audit and score for each region of the province the KT interventions implemented to improve the quality of rectal cancer surgery. Methods We interviewed stakeholders to audit KT interventions used in respective regions over years 2006 to 2014. Results were summarized into narrative and visual forms. Using a modified Delphi approach, KT experts reviewed these data and then, for each region, scored implementation of KT interventions using a 20-item KT Signature Assessment Tool. Scores could range from 20 to 100 with higher scores commensurate with greater KT intervention implementation. Results There were thirty interviews. KT experts produced scores for each region that were bimodally distributed, with an average score for 2 regions of 78 (range 73–83) and for 12 regions of 30.5 (range 22–38). Conclusion Our methods efficiently identified two groups with similar KT Signature scores. Two regions had relatively high scores reflecting numerous KT interventions and the use of sustained iterative approaches in addition to those encouraged by the provincial cancer agency, while 12 regions had relatively low scores reflecting minimal activities outside of those encouraged by the provincial cancer agency. These groupings will be used for future comparative quantitative analyses to help determine if higher KT signature scores correlate with improved measures for quality of rectal cancer surgery.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».