Reflecting on Backward Design for Knowledge Translation; Comment on “A Call for a Backward Design to Knowledge Translation”
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: English
View: 16
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HPM-4-8_008
تاریخ نمایه سازی: 16 مرداد 1403
Abstract:
In a recent Editorial for this journal, El-Jardali and Fadlallah proposed a new framework for Knowledge Translation (KT) in healthcare. Many such frameworks already exist; thus, new entrants to the field must be scrutinized in regard to their unique contributions to advancing understanding and practice. The El-Jardali and Fadlallah framework focuses on policy-level discussions, a relatively under-studied issue to date. Their framework usefully incorporates both priority setting questions at the front-end (which KT efforts get undertaken and which do not) as well as evaluation questions at the back-end (how do we show that more evidence-informed decisions are actually better ones?). Their framework also emphasizes capacity building among both decision-makers and researchers. This is an area worthy of additional attention, particularly because it is likely to be far more challenging than El-Jardali and Fadlallah allow.
Keywords:
Authors
Neale Smith
Centre for Clinical Epidemiology and Evaluation, Vancouver Coastal Health Research Institute, Vancouver, BC, Canada
Evelyn Cornelissen
Department of Family Practice, Faculty of Medicine, University of British Columbia, Vancouver, BC, Canada
Craig Mitton
Centre for Clinical Epidemiology and Evaluation, Vancouver Coastal Health Research Institute, Vancouver, BC, Canada
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :