Post-Implementation Evidence-Based Decision Making: The Telehealth Assessment Tool For Health (TeATH)
Notice bibliographique
Résumé
Few telehealth implementations survive the initial pilot phase, and any anticipated Return on Investment seldom materialises. Within South Africa a reason is the lack of post-implementation monitoring and assessment. To address this practice gap we developed a simple and practical tool to allow decision- and policy-makers to assess the post-implementation state of current telehealth applications. Recognised management approaches were reviewed, and elements adopted or adapted to develop the new decision support tool. A systems-based approach, applying a revised People, Process, and Technology methodology (incorporating Infrastructure), and Balanced Score Card and e-Readiness principles, was applied. This allowed development of the Telehealth Assessment Tool for Health (TeATH), whose utility was demonstrated by assessing the current performance of existing teleradiology implementations in three Provincial hospitals in Mpumalanga Province. Expected results were achieved, with TeATH revealing fair performance in the Technology dimension, but poor performance across People, Process, and Infrastructure for all three hospitals. TeATH is a simple and generic tool that provides decision support and guidance to health planners, differentiating weak or lagging implementations for which remedial action can be introduced. The tool has been adopted by the Provincial Department of Health, and has already influenced recent policy decisions. Broad application of TeATH would reduce wasteful expenditure, and facilitate implementation and uptake of telehealth in South Africa and elsewhere.
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 | 0,185 | 0,314 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,015 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».