MétaCan
Menu
Retour à la cohorte
Enregistrement W2131297453 · doi:10.12927/hcpol.2011.22121

How Has Health Services Research Made a Difference?

2011· article· en· W2131297453 sur OpenAlexaffvenueabout
Steven Lewis

Notice bibliographique

RevueHealthcare policy · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésHealth careSociologyKnowledge translationResearch ethicsPolitical scienceEngineering ethicsLibrary scienceEngineeringKnowledge managementLaw

Résumé

récupéré en direct d'OpenAlex

Health services research (HSR) is commonly conceived as an applied discipline whose success is defined by its tangible impact on policy, practice or both. In Canada there has been a concerted effort to engage decision-makers in informing the research agenda. While it is admirable to aspire to practical utility, the HSR community has no control over the ultimate disposition of its work. Furthermore, the conditions for change must be present if the pathway from relevant, high-quality research to application is to be relatively smooth and immediate. In such cases, the changes may have occurred regardless of whether the research to support them took place. An examination of some widely renowned HSR reveals that timely and significant impact is relatively rare. Moreover, research that fundamentally changes how we view the world plays out over decades; it would be impossible to act on it in the short term, and in some cases it is not clear what ought to be done. The implications are that the first duty of HSR is to seek truth, and that funding and decision-making communities should define "useful" broadly, from a longer-term perspective. Taking the wide and the long view will in the end generate a greater return on investment in HSR than focusing too narrowly on contemporary preoccupations.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,404
Tête enseignante GPT0,541
Écart entre enseignants0,137 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreCommentaire

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

En bref

Citations5
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetPrimary Care and Health OutcomesTravaux en français237 207