MétaCan
Menu
← Retour à la cohorte
Enregistrement W2754485185 · doi:10.12927/hcpap.2017.25202

Using Trends to Inform Regulatory Practices

2017· article· en· W2754485185 sur OpenAlexaffvenue
Christine Penney, Alison Wainwright

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensCollege & Association of Registered Nurses of Alberta
Organismes subventionnairesnon disponible
Mots-clésMandateBalance (ability)Psychological interventionIdentification (biology)Regulatory focus theoryFocus (optics)Political scienceEngineering ethicsPublic economicsPublic relationsPsychologyMedicineEconomicsLawEngineeringNursing

Résumé

récupéré en direct d'OpenAlex

Health professions regulators charged with the role of public protection are challenged to balance their mandate with appropriate policy interventions, particularly within a self-regulatory model. Applied strategically, emerging methods and trends in health systems and health professions regulation can inform regulatory practices in keeping with the regulator's role of reducing harm to the public. This requires a shift in thinking from a focus on how (i.e., resources and tools), to a focus on what, including clear problem identification, intended risks to be mitigated and consideration of outcomes and measurability of impact at the outset. Regulators should be enablers, not barriers to system change, but it is not their place to take on all of the challenges associated with monitoring and implementing interventions in response to health system evolution. Instead regulators must know their role, be willing to collaborate with other system players and work to implement regulatory interventions that complement rather than duplicate those better carried out by others.

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)0,138
score de la tête « metaresearch » (Gemma)0,376
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,732

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1380,376
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0160,016
Études des sciences et des technologies0,0020,004
Communication savante0,0110,019
Science ouverte0,0030,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,633
Tête enseignante GPT0,522
Écart entre enseignants0,111 · 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
GenreCommentaire

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

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→