Élaboration de la trousse « Profitez au maximum de votre journée » pour les prestataires de soins primaires : étude d’établissement de consensus pour la mise en pratique de lignes directrices nationales en matière de santé publique
Bibliographic record
Abstract
Introduction Des efforts stratégiques de mobilisation des connaissances sont nécessaires pour améliorer l’adoption et l’utilisation des Directives canadiennes en matière de mouvement sur 24 heures (DM24H), qui présentent la durée quotidienne optimale d’activité physique, de comportement sédentaire et de sommeil pour favoriser une bonne santé générale. La trousse « Profitez au maximum de votre journée » pour les prestataires de soins primaires est une ressource fondée sur des données probantes visant à aider les prestataires de soins primaires à faire connaître les DM24H. Le but de cette étude était de décrire comment un consensus a été obtenu sur les éléments de la trousse au moyen de révisions itératives afin d’améliorer son utilité en vue de sa publication en septembre 2022 ainsi que de résumer les premiers efforts de diffusion. Methods Un groupe multidisciplinaire d’experts a planifié trois sondages par méthode Delphi modifiée pour évaluer, sur une échelle de Likert à 7 points comprenant des messages de suivi pour les cotes de 4 ou moins, dans quelle mesure les prestataires de soins primaires approuvaient les éléments de la trousse. Le consensus a été défini a priori comme une moyenne de 6 ou plus sur 7 aux questions où 60 % des prestataires de soins primaires ou plus avaient répondu au moins « plutôt d’accord ». Les éléments sur lesquels un consensus a été atteint ont été retirés des sondages suivants, sauf s’ils avaient été révisés. Results Vingt prestataires de soins primaires ont répondu aux sondages 1 et 2 et 15 ont répondu au sondage 3. Un consensus a été atteint sur 5 % (4/83) des éléments du sondage 1, 17 % (14/83) du sondage 2 et 55 % (38/69) du sondage 3. Le nombre de commentaires qualitatifs est passé de 26 à 19, puis à 12, autre indication de la hausse du consensus. Conclusion Les éléments sur lesquels le consensus n’a pas été obtenu sont sans doute le reflet de différences dans les caractéristiques des prestataires ou dans le milieu dans lequel ils exercent. Une stratégie de diffusion élaborée conjointement a été mise en oeuvre. La portée de la trousse d’outils a été évaluée au moment de sa publication ainsi que quatre mois plus tard.
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 | 0.228 | 0.352 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.018 | 0.013 |
| Open science | 0.006 | 0.012 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.019 | 0.004 |
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".