Reverse innovation: an opportunity for strengthening health systems
Notice bibliographique
Résumé
BACKGROUND: Canada, when compared to other OECD countries, ranks poorly with respect to innovation and innovation adoption while struggling with increasing health system costs. As a result of its failure to innovate, the Canadian health system will struggle to meet the needs and demands of both current and future populations. The purpose of this initiative was to explore if a competition-based reverse innovation challenge could mobilize and stimulate current and future leaders to identify and lead potential reverse innovation projects that address health system challenges in Canada. METHODS: An open call for applications took place over a 4-month period. Applicants were enticed to submit to the competition with a $50,000 prize for the top submission to finance their project. Leaders from a wide cross-section of sectors collectively developed evaluation criteria and graded the submissions. The criteria evaluated: proof of concept, potential value, financial impact, feasibility, and scalability as well as the use of prize money and innovation team. RESULTS: The competition received 12 submissions from across Canada that identified potential reverse innovations from 18 unique geographical locations that were considered developing and/or emerging markets. The various submissions addressed health system challenges relating to education, mobile health, aboriginal health, immigrant health, seniors health and women's health and wellness. Of the original 12 submissions, 5 finalists were chosen and publically profiled, and 1 was chosen to receive the top prize. CONCLUSIONS: The results of this initiative demonstrate that a competition that is targeted to reverse innovation does have the potential to mobilize and stimulate leaders to identify reverse innovations that have the potential for system level impact. The competition also provided important insights into the capacity of Canadian students, health care providers, entrepreneurs, and innovators to propose and implement reverse innovation in the context of the Canadian health system.
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 | 0,046 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,015 | 0,007 |
| Science ouverte | 0,003 | 0,018 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».