Evidence-based decision-making within the context of globalization: A “Why–What–How” for leaders and managers of health care organizations
Notice bibliographique
Résumé
In the globalized knowledge economy, the challenge of translating knowledge into policy and practice is universal. At the dawn of the 21st century, the clinicians, leaders, and managers of health care organizations are increasingly required to bridge the research-practice gap. A shift from moving evidence to solving problems is due. However, despite a vast literature on the burgeoning field of knowledge translation research, the “evidence-based” issue remains for many health care professionals a day-to-day debate leading to unresolved questions. On one hand, many clinicians still resist to the implementation of evidence-based clinical practice, asking themselves why their current practice should be changed or expanded. On the other hand, many leaders and managers of health care organizations are searching how to keep pace with the demand of actionable knowledge. For example, they are wondering: (a) if managerial and policy innovations are subjected to the same evidentiary standards as clinical innovations, and (b) how they can adapt the scope of evidence-based medicine to the culture, context, and content of health policy and management. This paper focuses on evidence-based health care management within the context of contemporary globalization. In this paper, our heuristic hypothesis is that decision-making process related changes within clinical/managerial/policy environments must be given a socio-historical backdrop. We argue that the relationship between research on the transfer of knowledge and its uptake by clinical, managerial and policy target audiences has undergone a shift, resulting in increasing pressures in health care for intense researcher-practitioner collaboration and the development of “integrative KT platforms” at the crossroads of different fields (the field of knowledge management and the field of knowledge translation). The objectives of this paper are: (a) to provide an answer to the questions that health professionals ask most frequently about “Why” and “How” to bridge the know-do gap, (b) to illustrate by a Canadian example how the PRO-ACTIVE program helps in closing the evidence-based practice gap.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».