MétaCan
Menu
Retour à la cohorte
Enregistrement W2319971122 · doi:10.12688/f1000research.8145.1

Promoting development and uptake of health innovations: The Nose to Tail Tool

2016· preprint· en· W2319971122 sur OpenAlexafffund
Archna Gupta, Cathy Thorpe, Onil Bhattacharyya, Merrick Zwarenstein

Notice bibliographique

RevueF1000Research · 2016
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensWomen's College HospitalCentre for Family MedicineWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchGovernment of Ontario
Mots-clésScale (ratio)BusinessGeography

Résumé

récupéré en direct d'OpenAlex

Introduction Health sector management is increasingly complex as new health technologies, treatments, and innovative service delivery strategies are developed. Many of these innovations are implemented prematurely, or fail to be implemented at scale, resulting in substantial wasted resources. Methods A scoping review was conducted to identify articles that described the scale up process conceptually or that described an instance in which a healthcare innovation was scaled up. We define scale up as the expansion and extension of delivery or access to an innovation for all end users in a jurisdiction who will benefit from it. Results Sixty nine articles were eligible for review. Frequently described stages in the innovation process and contextual issues that influence progress through each stage were mapped. 16 stages were identified: 12 deliberation and 4 action stages. Included papers suggest that innovations progress through stages of maturity and the uptake of innovation depends on the innovation aligning with the interests of 3 critical stakeholder groups (innovators, end users and the decision makers) and is also influenced by 3 broader contexts (social and physical environment, the health system, and the regulatory, political and economic environment). The 16 stages form the rows of the Nose to Tail Tool (NTT) grid and the 6 contingency factors form columns. The resulting stage-by-issue grid consists of 72 cells, each populated with cell-specific questions, prompts and considerations from the reviewed literature. Conclusion We offer a tool that helps stakeholders identify the stage of maturity of their innovation, helps facilitate deliberative discussions on the key considerations for each major stakeholder group and the major contextual barriers that the innovation faces. We believe the NTT will help to identify potential problems that the innovation will face and facilitates early modification, before large investments are made in a potentially flawed solution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,107
score de la tête « metaresearch » (Gemma)0,313
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,566

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1070,313
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0330,030
Études des sciences et des technologies0,0050,011
Communication savante0,0190,026
Science ouverte0,0050,018
Intégrité de la recherche0,0070,005
Charge utile insuffisante (le modèle a refusé de juger)0,0190,006

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 Opus0,579
Tête enseignante GPT0,505
Écart entre enseignants0,074 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations23
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207