IMPORTANCE OF CONTEXTUAL DATA IN PRODUCING HEALTH TECHNOLOGY ASSESSMENT RECOMMENDATIONS: A CASE STUDY
Notice bibliographique
Résumé
OBJECTIVES: Contextual data and local expertise are important sources of data that cannot be ignored in hospital-based health technology assessment (HTA) processes. Despite a lack of or unconvincing evidence in the scientific literature, technology can be recommended in a given context. We illustrate this using a case study regarding biplane angiography for vascular neurointervention. METHODS: A systematic literature review was conducted, along with an analysis of the context in our setting. The outcomes of interest were radiation doses, clinical complications, procedure times, purchase cost, impact on teaching program, the confidence of clinicians in the technology, quality of care, accessibility, and the volume of activity. A committee comprising managers, clinical experts, physicians, physicists and HTA experts was created to produce a recommendation regarding biplane technology acquisition to replace a monoplane device. RESULTS: The systematic literature review yielded nine eligible articles for analysis. Despite a very low level of evidence in the literature, the biplane system appears to reduce ionizing radiation and medical complications, as well as shorten procedure time. Contextual data indicated that the biplane system could improve operator confidence, which could translate into reduced risk, particularly for complex procedures. In addition, the biplane system can support our institution in its advanced procedures teaching program. CONCLUSIONS: Given the advantages provided by the biplane technology in our setting, the committee has recommended its acquisition. Contextual data were of utmost importance in this recommendation. Moreover, this technology should be implemented alongside a responsibility to collect outcome data to optimize clinical protocol in the doses of ionizing delivered.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».