Striving for evidence in e-health evaluation: Lessons from health technology assessment
Notice bibliographique
Résumé
Evaluation is crucial to the integration of e-health applications into the health-care system and their ultimate sustainability. However, e-health evaluation is often criticized for the poor quality of research design, the lack of common outcome indicators and the absence of an agreed theory. Health technology assessment (HTA) could offer a sound methodological basis for e-health evaluation. However, there have been major concerns about the applicability of the HTA approach to the evaluation of e-health initiatives. Evaluators -- and decision makers -- must accept that telehealth evaluation may serve different purposes for different stakeholders, and therefore concede that no single evaluation framework or methodology, even the randomized controlled trial, is totally objective. To address the complex environment of telehealth evaluation, a participatory strategy is useful, whereby stakeholders are involved in the study design and definition of evaluation questions at each phase. This will also build confidence between the evaluation team and the stakeholders, facilitating informed decision making through an integrated knowledge mobilization activity.
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 | 0,601 | 0,712 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,019 | 0,015 |
| Études des sciences et des technologies | 0,007 | 0,044 |
| Communication savante | 0,034 | 0,056 |
| Science ouverte | 0,013 | 0,025 |
| Intégrité de la recherche | 0,043 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».