INSIGHTS FROM THE FRONT LINES: A COLLECTION OF STORIES OF HTA IMPACT FROM INAHTA MEMBER AGENCIES
Notice bibliographique
Résumé
This mini-theme contains six stories of health technology assessment (HTA) impact from member agencies of The International Network of Agencies for Health Technology Assessment (INAHTA), which were originally shared at the 2015 and 2016 INAHTA Congresses. The INAHTA impact story sharing is an innovative network activity where member agency representatives share experiences of HTA impact in a loosely structured story format. Through this process, members gain insights from other agencies on new ways of thinking about and approaching HTA impact assessment. A guide is provided to members to prepare their story, and the best story receives the David Hailey Award for Best Impact Story. This mini-theme contains stories of HTA impact from six member agencies in different parts of the world: the Health Assessment Division of the Ministry of Public Health (Uruguay), the Institute of Quality and Efficiency in Health Care (Germany), the Health Information and Quality Authority (Ireland), the Finnish Office for Health Technology Assessment (Finland), the Australian Safety and Efficacy Register of New Interventional Procedures-Surgical (Australia), and the Institut national d'excellence en santé et en services sociaux (Canada). Across the papers, common themes emerge about the importance of appropriate engagement of stakeholders and the broadening scope of HTA beyond reimbursement decision making.
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 | 0,030 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,022 | 0,013 |
| Communication savante | 0,024 | 0,022 |
| Science ouverte | 0,004 | 0,021 |
| Intégrité de la recherche | 0,006 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».