What medical specialists like and dislike about health technology assessment reports
Notice bibliographique
Résumé
OBJECTIVE: To examine how medical specialists view health technology assessment (HTA) and its role in policy-making. METHODS: Semi-structured interviews with 28 medical specialists practising in Quebec and Ontario (Canada) to examine their views on an HTA report relevant to their specialty (prostate-specific antigen screening, electroconvulsive therapy and prenatal screening for Down's syndrome). RESULTS: Medical specialists represent a particularly demanding audience for HTA producers because they are knowledgeable about current studies in their field and often contribute to the evidence base that HTA seeks to synthesize. In all three cases, specialists not only challenged specific points in the content of the HTA reports but also offered different and sometimes conflicting appraisals of the clinical relevance and policy implications. More than just the timeliness and usefulness of HTA findings are at issue. The views of specialists are grounded in a clinical understanding of what counts as evidence and how decisions should be made, a view that contrasts with the societal perspective of HTA. CONCLUSIONS: HTA producers cannot afford to overlook medical specialists who play a key role in the adoption of health technologies. Establishing a transparent dialogue between producers and users of HTA reports could enrich policy recommendations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,055 | 0,265 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».