Politiques favorables à l’innovation en santé
Notice bibliographique
Résumé
Le CIRANO et le Pôle santé – HEC Montréal publient un deuxième rapport de recherche dont l’objectif est de proposer des recommandations pour améliorer l’implantation des innovations en santé. À la lumière de ces études, on constate qu’il existe une faille importante dans la chaîne de valeur de l’innovation, c’est-à-dire entre l’offre d’innovation et la demande pour celle-ci. Traditionnellement, les politiques d’innovation portent sur la facilitation de l’offre, par exemple par du financement de la recherche et de ses infrastructures jusqu’au soutien à la commercialisation. Pourtant, les obstacles à l’intégration des innovations dans la pratique proviennent du peu de demande pour des innovations en santé. Les prestataires et gestionnaires des services de santé n’étant pas imputables quant à l’efficience du système, ils n’ont pas ou peu de motivation et de moyens pour l’améliorer. Plus encore, le système étant principalement orienté vers le contrôle des coûts, ses mécanismes freinent, voire empêchent, toute amélioration de la valeur des services, c’est-à-dire toute innovation. Ainsi, malgré des investissements de plusieurs centaines de millions de dollars en R&D, les données révèlent que la productivité de notre système de santé est en décroissance.
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 | 0,019 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,011 |
| Communication savante | 0,017 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 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; 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 ».