AnÃlise do processo de adaptaÃÃo do conhecimento em saÃde: cenÃrios de aplicaÃÃo para plataforma LARIISA
Notice bibliographique
Résumé
A adaptaÃÃo do Conhecimento em saÃde vem sendo adotada para descrever mÃtodos utilizados para a disseminaÃÃo de evidÃncias cientÃficas para os diversos atores sociais relacionados. A intenÃÃo à que estas evidÃncias estejam mais acessÃveis aos seus usuÃrios finais (pacientes, profissionais de saÃde, organizaÃÃes e gestores da saÃde) para cooperar na tomada de decisÃes sobre saÃde. Assim, a AdaptaÃÃo do Conhecimento objetiva diminuir a lacuna temporal e conceitual que hà entre a produÃÃo do conhecimento e a prÃtica do usuÃrio final. Ela à essencial para se ter melhores resultados em cuidados de saÃde, alÃm de contribuir para a diminuiÃÃo de custos na utilizaÃÃo do conhecimento, disponibilizando o conhecimento certo, para a pessoa certa, em tempo certo. Este trabalho realiza um estudo analÃtico sobre o processo de AdaptaÃÃo do Conhecimento em sistemas integrados de saÃde. A pesquisa tomou como base o modelo Knowledge to Action (KTA), desenvolvido por pesquisadores da Universidade de Toronto e do Canadian Institute of Health Research - CIHR e que tem servido de referÃncia ao sistema de saÃde canadense. Como prova de conceito do estudo analÃtico realizado utilizou-se, como cenÃrio de aplicaÃÃo, o LARIISA, uma plataforma para a tomada de decisÃo em sistema de governanÃa em saÃde. O LARIISA utiliza, na especificaÃÃo de sua arquitetura, o modelo Knowledge to Action (KTA). Ele faz uso de sistemas inteligentes e da tecnologia de sensibilidade ao contexto (context-awareness), em sua concepÃÃo. O mÃtodo de coleta de dados utilizado foi a AnÃlise Documental do livro Knowledge Translation in Health Care e os cinco domÃnios de aplicaÃÃo da plataforma LARISSA: clÃnico-epidemiolÃgico, normativo, gestÃo do conhecimento, administrativo e gestÃo compartilhada. Isto permitiu a elaboraÃÃo de mapas conceituais que traduzem a abrangÃncia local e global do projeto LARIISA, resultando na construÃÃo de cenÃrios de aplicaÃÃo. Assim, este estudo caracteriza-se como um primeiro esforÃo analÃtico sobre a gestÃo do conhecimento na plataforma LARIISA, cujo resultado propÃe alteraÃÃes na proposta inicial da arquitetura do LARIISA.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».