MétaCan
Menu
Retour à la cohorte
Enregistrement W2046926439 · doi:10.1111/1468-0009.t01-1-00060

On Being a Good Listener: Setting Priorities for Applied Health Services Research

2003· review· en· W2046926439 sur OpenAlexaff
Jonathan Lomas, Naomi Fulop, Diane Gagnon, Pauline Allen

Notice bibliographique

RevueMilbank Quarterly · 2003
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensCanadian Foundation for Healthcare Improvement
Organismes subventionnairesnon disponible
Mots-clésExcellenceMedicaidHealth carePublic healthService (business)Public administrationMedicinePolitical scienceBusinessEconomic growthNursingEconomicsMarketingLaw

Résumé

récupéré en direct d'OpenAlex

In the last decade, explicit priority setting has become an integral part of health care systems. Indeed, there is even an International Society on Priorities in Health Care, created in 1997 ( Ham 1997 ). Whether it is Oregon's priority ordering of symptom treatment pairs to maximize the impact of a limited Medicaid budget (Fox and Leichter 1991), England's National Institute for Clinical Excellence's assessing priorities for new therapeutic innovations in the National Health Service ( Rawlins 1999 ), or New Zealand's setting priorities for patients' access to cardiovascular treatment ( Hadorn and Holmes 1997 ), techniques for judging the relative worth of different health service investments abound. As these techniques are refined, the most common addition is the incorporation of public values as part of the assessment. Priority setting is increasingly seen as combining an objective assessment of costs and effects with a more subjective assessment of patient or public preferences ( Lenaghan, New, and Mitchell 1996 ; Lomas 1997 ; National Institute for Clinical Excellence 2002 ; Stronks et al. 1997 ).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,179
score de la tête « metaresearch » (Gemma)0,185
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,821
Score d'incertitude au seuil0,945

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1790,185
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,002
Bibliométrie0,0110,013
Études des sciences et des technologies0,0030,013
Communication savante0,0130,023
Science ouverte0,0050,011
Intégrité de la recherche0,0090,015
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,424
Tête enseignante GPT0,517
Écart entre enseignants0,092 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineÉvaluation
GenreSynthèse

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

En bref

Citations166
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMilbank QuarterlyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207