Partenariat en action : une approche novatrice d’application des connaissances pour améliorer les résultats chez les personnes atteintes de fibromyalgie
Bibliographic record
Abstract
QU'EST-CE QUE L'APPLICATION DES CONNAISSANCES?La cre ´ation de nouvelles connaissances par la recherche en sante ´parvient rarement a `se traduire par des changements approprie ´s dans la pratique des soins de sante ´1.En fait, de 10 a `20 ans peuvent e ˆtre ne ´cessaires pour que l'information acquise dans le cadre de la recherche trouve sa place dans les pratiques cliniques de tous les jours 1 .La diffe ´rence entre les meilleurs soins (fonde ´s sur des faits scientifiques) et les soins traditionnels a e ´te ´qualifie ´e par Graham et ses colle `gues de « fosse ´entre les connaissances et la pratique 2 ».Ce fosse ´ a son importance pour un nombre conside ´rable de patients ne recevant pas les meilleurs soins possible ou qui, dans certains cas, rec ¸oivent des soins qui pourraient potentiellement leur e ˆtre ne ´fastes 2 .Les Instituts de recherche en sante ´du Canada (IRSC) cherchent a ` combler ce fosse ´en acce ´le ´rant la transposition de nouvelles connaissances acquises par la recherche en pratiques et re ´sultats ame ´liore ´s en soins de sante ´.Ce processus porte le nom d'application des connaissances (AC) 3 .Dans le pre ´sent document, nous allons introduire le concept d'AC, tel que de ´fini par les IRSC et faire e ´tat d'un projet novateur visant a `diffuser les re ´sultats d'une revue syste ´matique de Cochrane re ´alise ´e en 2007 et portant sur les effets de l'exercice sur la fibromyalgie (FM) 4 .Le travail de collaboration re ´alise ´par un petit sous-groupe des IRSC qui consistait a `diffuser les priorite ´s de recherche identifie ´es par les auteurs de la revue syste ´matique en ayant recours a `un format adapte ´a `la communaute ´ de recherche en FM, devrait pre ´senter un inte ´re ˆt certain pour les physiothe ´rapeutes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.026 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".