Assessment of the impact of a clinical and health services research call in Catalonia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article presents the ex-post assessment of a program of clinical and health services research and the evaluation of the social impact. The Catalan Agency for Health Information, Assessment, and Quality (CAHIAQ) promotes a biannual open, public, competitive extramural research call to conduct non-commercial clinical and health services research. Its aim is to address local needs of research (knowledge gaps) and to assess the implementation of innovation. Approximately 5.8 million Euros have been allocated to the call. To meet the Agency’s mission, a periodical ‘call for expressions of interest’ and topic prioritization is organized prior to the research call. The awarded projects are submitted to an ex-ante, ongoing, and ex-post assessment. Impact assessment of the research call on advancing knowledge and healthcare decision making is based on the Canadian Academy of Health Sciences framework (Panel on Return on Investment in Health Research, 2009). The methods used include bibliometric analysis, surveys to researchers and decision-makers, and a more in-depth case study of translation pathways. This includes a crossover of cases from 1996 to 2004. Some results are compared against other international health services research calls. The conclusion is that local agencies can significantly contribute to fill knowledge gaps in a specific context. Assessment of the complete research cycle provides opportunities for improving the entire research process (identification of knowledge needs, call for proposals, funding allocation, research completion, subsequent impact). Specifically, assessment of the different types of impact of research development on knowledge generation and decision making closes the evaluation cycle fulfilling the Agency's mission.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,072 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle