MétaCan
Menu
Retour à la cohorte
Enregistrement W1920773305 · doi:10.1055/s-0038-1634039

Lest Formalisms Impede Insight and Success: Evaluation in Health Informatics

2006· article· en· W1920773305 sur OpenAlexaff
C Anglin, Joseph Schaafsma, Stefan V. Pantazi, Nicole A Grimm, Jochen R. Moehr

Notice bibliographique

RevueMethods of Information in Medicine · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTelehealthFormative assessmentInformaticsProcess managementInformation systemKnowledge managementComputer scienceManagement scienceHealth informaticsEngineering managementRisk analysis (engineering)MedicineHealth careBusinessPsychologyNursingEngineeringTelemedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To illustrate the advantages of an open-ended formative evaluation approach using a project-specific selection of methods over the controlled trial approach in the evaluation of health information systems. To illustrate factors leading to success and others impeding it in a telehealth project. METHODS: The methods and results of an evaluation of the BC Telehealth Program are summarized. RESULTS: The evaluation gave a comprehensive picture of the project, including assessment of the effects of an array of telehealth applications, and their economic impact. Factors leading to success and others preventing it are identified from the level of overall program management to the project specifics. The results include unanticipated effects and explanations for their reasons of occurrence. Neither the comprehensiveness of information nor the timeliness was achieved in a related project using a controlled trial approach. CONCLUSIONS: Not all types of health information system projects can be evaluated using the controlled trial approach. This approach may impede important insights. It is also usually much less efficient. Funding agencies and journal editors have to take this into account when selecting projects for funding and submissions for publication.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,054
Tête enseignante GPT0,466
Écart entre enseignants0,412 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods of Information in MedicineMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207