MétaCan
Menu
Retour à la cohorte
Enregistrement W2072964603 · doi:10.1159/000318317

The Contribution of Health Technology Assessment, Health Needs Assessment, and Health Impact Assessment to the Assessment and Translation of Technologies in the Field of Public Health Genomics

2010· review· en· W2072964603 sur OpenAlexaff
Nicole Rosenkötter, Hindrik Vondeling, Ingeborg Blancquaert, O Mekel, Finn Børlum Kristensen, Angela Brand

Notice bibliographique

RevuePublic Health Genomics · 2010
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHealth impact assessmentPublic healthHealth assessmentImpact assessmentHealth technologyTechnology assessmentMedicineEnvironmental healthHealth carePolitical scienceNursingPathology

Résumé

récupéré en direct d'OpenAlex

The European Union has named genomics as one of the promising research fields for the development of new health technologies. Major concerns with regard to these fields are, on the one hand, the rather slow and limited translation of new knowledge and, on the other hand, missing insights into the impact on public health and health care practice of those technologies that are actually introduced. This paper aims to give an overview of the major assessment instruments in public health [health technology assessment (HTA), health needs assessment (HNA) and health impact assessment (HIA)] which could contribute to the systematic translation and assessment of genomic health applications by focussing at population level and on public health policy making. It is shown to what extent HTA, HNA and HIA contribute to translational research by using the continuum of translational research (T1-T4) in genomic medicine as an analytic framework. The selected assessment methodologies predominantly cover 2 to 4 phases within the T1-T4 system. HTA delivers the most complete set of methodologies when assessing health applications. HNA can be used to prioritize areas where genomic health applications are needed or to identify infrastructural needs. HIA delivers information on the impact of technologies in a wider scope and promotes informed decision making. HTA, HNA and HIA provide a partly overlapping and partly unique set of methodologies and infrastructure for the translation and assessment of genomic health applications. They are broad in scope and go beyond the continuum of T1-T4 translational research regarding policy translation.

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)0,178
score de la tête « metaresearch » (Gemma)0,193
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil0,943

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1780,193
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0270,020
Études des sciences et des technologies0,0030,030
Communication savante0,0260,029
Science ouverte0,0040,020
Intégrité de la recherche0,0100,016
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,485
Tête enseignante GPT0,559
Écart entre enseignants0,074 · 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.

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

Citations34
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health GenomicsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207