Définir les résultats essentiels en matière de prescription sociale à l’aide d’une approche Delphi : constatations et orientations futures
Bibliographic record
Abstract
Introduction Bien que la prescription sociale constitue un courant de plus en plus important en faveur de la santé globale et de la société, aucune étude Delphi n’a déterminé quels résultats sont essentiels à évaluer. Notre objectif était de faire émerger un ensemble de résultats fondamentaux en fonction des commentaires de divers groupes d’utilisateurs susceptibles d’être concernés par la prescription sociale (aînés de 60 ans et plus) ou de personnes pouvant avoir une influence sur elle (comme les fournisseurs ou les chercheurs). Méthodologie Conformément aux lignes directrices normalisées pour les études Delphi, nous avons élaboré une enquête en ligne à deux cycles en ciblant les perspectives canadiennes. Nous avons demandé aux participants d’évaluer 21 résultats comme « cruciaux » (7 à 9 sur une échelle de 9 points), « importants mais non cruciaux » (4 à 6 points) ou « sans importance » (1 à 3 points). Nous présentons une description du sous-groupe de résultats obtenus du point de vue des aînés et de leurs familles et amis. Résultats Le premier cycle a été complété par 74 personnes relevant de 10 groupes d’utilisateurs et le second par 52 personnes relevant de 8 groupes d’utilisateurs (taux de rétention de 70 %). Les évaluations entre les cycles ont été généralement uniformes. Sept résultats ont atteint le seuil de résultat « crucial ». Aucun résultat n’a été exclu. Les résultats cruciaux portaient sur la santé mentale, le fonctionnement physique et social et le bien-être. Les participants ont formulé des commentaires sur les facteurs contextuels (ressources, prestation de soins, etc.) et les facteurs liés à l’équité Conclusion Cette étude a permis de faire émerger sept résultats cruciaux à prendre en compte dans les évaluations en matière de recherche et d’interventions portant sur la prescription sociale. Les recherches futures devraient porter sur la manière dont les facteurs contextuels et personnels ont une influence sur les résultats et elles devraient définir des outils précis (questionnaires, tests axés sur le rendement) pour évaluer chaque résultat. Définir quels résultats sont importants est un processus continu qui nécessite des mises à jour régulières dans la mesure où ces résultats sont susceptibles de changer en fonction de l’évolution de la prescription sociale et d’autres facteurs.
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 | 0.242 | 0.261 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".