A Methodological Approach for Measuring the Impact of HTA
Notice bibliographique
Résumé
There is a lack of evidence concerning the link between HTA and outcomes in terms of health improvements. This work proposes a framework for assessing the impact of HTA. This impact assessment is a necessary step in then better understanding the value for money of HTA bodies. We emphasis that this is still a work in progress. iDSI has developed a theory of change-based framework in order to evaluate the impact the iDSI has on institutional strengthening – leading to ‘better decisions’ for ‘better health’. This framework recognises that there is a complex translation process between better decisions and better health dependent on many assumptions about local factors and systems, including linkage between decisions and budgets, delivery, implementation, and data accuracy. Work has been undertaken over the last 6 months developing a methodological approach for measuring the impact of health technology assessment (HTA). Two case studies are used to illustrate the approach. At the core of impact assessment is a requirement to link causes and effects, to explain ‘how’ and ‘why’ and to identify – and thus improve or adapt – mechanisms leading to impact. Policy makers also want to know ‘to what extent’ or ‘the magnitude of impact’. The framework developed adopts an economic approach nested in theory of change as a means of both quantifying the magnitude of impact (utilising economic models) as well as explaining why and how impact happens (drawing on theory based approaches) in order to reinforce learning as to how to improve our response and optimise the use of HTA to have the greatest impact in a given context. This should also enable us to capture and explain wider impact – perhaps more intangible aspects which cannot be easily quantified. This may also possibly increase policy-makers’ ‘buy-in’.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».