MétaCan
Menu
Retour à la cohorte
Enregistrement W2133171454 · doi:10.1002/hec.3034

BREAKING THE ADDICTION TO TECHNOLOGY ADOPTION

2014· editorial· en· W2133171454 sur OpenAlexafffund
Stirling Bryan, Craig Mitton, Cam Donaldson

Notice bibliographique

RevueHealth Economics · 2014
Typeeditorial
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensInstitute of Population and Public HealthVancouver Coastal Health Research InstituteUniversity of British ColumbiaVancouver Coastal Health
Organismes subventionnairesVancouver Coastal Health
Mots-clésHealth technologyTechnology managementTechnology assessmentBusinessHealth careMarketingEconomicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

A major driver of cost growth in health care is the rapid increase in the utilisation of existing technology and not simply the adoption of new technology. Health economists and their health technology assessment colleagues have become obsessed by technology adoption questions and have largely ignored 'technology management' questions. Technology management would include the life-cycle assessment of technologies in use, to assess their real-world performance; and monitoring of technology indication creep. A rebalancing of focus might serve to encourage a more self-critical and learning culture amongst those involved in technology evaluation analysis. Further, health economists and health technology assessment analysts could make a more significant contribution to system efficiency through rebalancing their efforts away from technology adoption questions towards technology management issues.

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)0,026
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,010

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 Opus0,192
Tête enseignante GPT0,429
Écart entre enseignants0,237 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations57
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207