Expanding the scientific basis of health technology assessment: A research agenda for the next decade
Notice bibliographique
Résumé
OBJECTIVES: The complexity of health technology assessment (HTA) has increased, in part because of its evolution through three distinct phases: the machine, the clinical outcomes, and the delivery models. However, the theoretical foundation for the field remains underdeveloped. METHODS: It is high time for HTA to bring together aspects of conceptual and theoretical works from other fields to strengthen the foundation of HTA. RESULTS: Many challenges await the further development of HTA. They can be captured around three research themes: adapting HTA to an evolving analysis object; translating HTA results into policy, management, and practice decisions; and evaluating organizational models of HTA. CONCLUSIONS: Consolidating the scientific basis of HTA is essential if we are to succeed in increasing the relevance of HTA in some of the most challenging health-related decisions that we will make as individuals and societies.
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 | 0,104 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,017 | 0,041 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,025 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».