Health technology assessment for resource allocation decisions: Are key principles relevant for Latin America?
Notice bibliographique
Résumé
OBJECTIVES: A set of fifteen key principles (KP) has been recently proposed to guide decisions on the structure of HTA programs, the methods of HTA, the processes for conducting HTA and the use of HTA findings in decision-making. The objective of this research is to explore whether these KPs are relevant and useful in Latin America (LA), and to what extent they are being applied. METHODS: A Web-based survey was sent to 11,792 HTA researchers and users in LA to explore the perceived relevance of each KP, its current level of application and the gap between these two. RESULTS: We received 1,142 responses from nineteen LA countries (9.7 percent response rate). The subgroup of KP related to Methods and to the Use of HTA received the higher mean scores in the relevance scale (9.00 and 8.94). Level of current application scored low in all KP (3.2 to 4.9). Higher gaps were observed in principles related to the use of HTA in decision making and to the processes for conducting HTA. Countries with more developed HTA showed higher scores in the degree of current application (5.3 versus 3.4, p < .01) and lower gaps (3.84 versus 5.21, p < .01). Researchers, compared with research users, scored the relevance of the KPs higher. CONCLUSIONS: KPs seem to be very relevant to most HTA researchers and users in LA. However, the current level of application was considered uniformly poor. Higher gaps were observed in KPs related to the link between HTA and decision making, highlighting one of the major challenges for the countries in the region.
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 | 0,058 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,013 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».