Enhancing evidence-based chiropractic practice: bridging the knowledge-to-action gap for the needs of community-based chiropractors.
Notice bibliographique
Résumé
Objective: To summarize key factors of knowledge translation (KT) and offer actionable recommendations to improve uptake and application of evidence-based practice (EBP) in chiropractic care. Methods: We conducted a narrative review searching for KT literature in PubMed, Web of Science, and Scopus from January 2016 to August 2024. Titles and abstracts were screened for eligibility and relevant articles underwent full-text review. We used an expert consensus approach to form our recommendations. Results: We identified KT barriers and facilitators at individual, collegial, and organizational levels. Recommendations include advocating for individual clinicians to pursue continuous education and mentorship, and for professional organizations to support KT funding and foster supportive and collaborative environments for individual clinicians to engage in KT. Conclusions: To bridge the knowledge-to-action (KTA) gap in the chiropractic profession, chiropractors should engage in learning environments to develop necessary EBP skills, while associations should focus on supporting and incentivizing chiropractors to enhance their KT abilities. Author’s Note: This paper is one of seven in a series exploring contemporary perspectives on the application of the evidence-based framework in chiropractic care. The Evidence Based Chiropractic Care (EBCC) initiative aims to support chiropractors in their delivery of optimal patient-centred care. We encourage readers to review all papers in the series.
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 | 0,109 | 0,356 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,016 | 0,021 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,012 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».