Ciencia de la diseminación e implementación en países de lengua portuguesa: ¿por qué considerarla?
Bibliographic record
Abstract
Ciencia de la diseminación e implementación en países de lengua portuguesa: ¿por qué considerarla?¿ Por qué los resultados de las investigaciones científicas tardan tanto en incorporarse a la cotidianidad de los servicios de salud y de la población?¿Qué se necesita para mejorar la aplicación del conocimiento científico en la práctica?La comunicación por medio de revistas científicas especializadas no es suficiente para la diseminación e implementación de la ciencia.Muchas veces se considera que la información es poco accesible y poco comprensible para los profesionales, los gestores de la salud, los usuarios de la salud y sus familiares, los políticos y otras partes interesadas.Se estima que el conocimiento científico producido demora cerca de 17 años para incorporarse a la práctica y alcanza solo al 14 % de la población destinataria.(1) La consecuencia de este escenario es que, además de ser difícil acceder a estos conocimientos para la comunidad no académica, las intervenciones resultantes de los estudios probablemente no serán implementadas en servicios de salud, escuelas, entre otros, por incontables obstáculos (p.ej.motivación, recursos) ni en diferentes niveles (p.ej.individual, interpersonal, comunitario, organizacional, sistémico), lo que aumenta los desafíos de la atención en salud de la población y genera injusticias (2,3) Por eso, los investigadores desarrollaron recientemente un campo de conocimiento denominado "Ciencia de la Diseminación e Implementación" (D&I).Este término es oriundo de Estados Unidos.(3) En Canadá, esta área se denomina "Traducción del Conocimiento" (Knowledge Translation) y en Europa, "Ciencia de la Implementación".Esta nomenclatura puede variar, dependiendo de la fundamentación teórica y metodológica y de la contextualización.(3)(4)(5) Por ser un campo emergente, muchos términos, conceptos y herramientas están en constante desarrollo, adaptación y perfeccionamiento.(6) ¿Qué es la Ciencia de la Diseminación e Implementación?El campo de la Ciencia de la Implementación estudia cómo las acciones intencionales ayudan a incorporar resultados de investigaciones científicas a la cotidianidad, y la Ciencia de la Diseminación estudia cómo las acciones intencionales ayudan a difundir activamente los resultados de investigacio-II nes científicas.Es importante aclarar que los resultados de investigaciones científicas se entienden por medio de intervenciones o innovaciones (e.g.prácticas, programas, políticas, procedimientos, productos, medicamentos, etc.) eficaces (i.e., basadas en evidencias).(7) Para implementar y diseminar una intervención en la práctica, uno de los modelos de la D&I propone las siguientes etapas: exploración, preparación, implementación y sustentabilidad.(8) Como parte del proceso de implementación, se identifican obstáculos y facilitadores para implementar una intervención y luego se identifican o desarrollan estrategias para superar esas dificultades y perfeccionar los facilitadores.Por ejemplo, en el caso del tamizaje de cáncer de mama, si los profesionales no saben la edad o el intervalo correcto para solicitar una mamografía, una estrategia sería mejorar los conocimientos sobre el tamizaje de cáncer de mama a través de cursos, talleres, sistemas informatizados de apoyo a la decisión clínica, etc. La idea de este proceso es que la estrategia busca optimizar la implementación y sustentabilidad de la intervención (e.g.realización del tamizaje mamográfico de cáncer de mama a la edad y en el intervalo correcto), y, por último, tener como resultado impactos positivos en la salud de la población y en los servicios de salud (e.g.aumento del índice de cobertura del tamizaje mamográfico en la población destinataria, reducción de la tasa de mortalidad por cáncer de mama).(3) A veces, en algunos contextos de salud, hay intervenciones implementadas en la práctica que ya no son beneficiosas, o inclusive pueden volverse (o son) perjudiciales para la salud de la población, como por ejemplo el tamizaje mamográfico en personas fuera del grupo de edad destinatario del programa de cáncer de mama.(9) En este caso, el uso de estrategias para la "desimplementación" puede ser muy útil para reducir, reemplazar, restringir o eliminar intervenciones ya implementadas que son comprobadamente inefectivas y costosas para la población y para los servicios de salud.(10) En resumen, a partir de un problema bien definido, se identifican los factores determinantes del éxito o fracaso de la adopción de intervenciones, se desarrollan estrategias para perfeccionar el proceso de implementación, desimplementación o diseminación y se evalúa su expansión y sustentabilidad.La meta del campo de la D&I es desarrollar estrategias eficaces para optimizar la implementación de intervenciones, con el objetivo de mejorar los resultados en la salud.(3) Recientemente, en un artículo se presentaron recomendaciones que pueden ayudar a los investigadores a desarrollar investigaciones fundamentadas en la D&I en países latinoamericanos.(11) D&I en países de lengua portuguesa: avances y desafíos En los últimos años, la D&I ha ganado territorio en el ámbito académico en países de lengua portuguesa, con valiosas contribuciones en adaptaciones de estrategias, (12) análisis de partes interesadas, (13) estudios de implementación en escala, (14,15) implementación en varios niveles, (16) debates conceptuales y
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 | 0.093 | 0.149 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.008 | 0.018 |
| Scholarly communication | 0.024 | 0.017 |
| Open science | 0.005 | 0.010 |
| Research integrity | 0.010 | 0.010 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".