A Rapid Process for Identifying and Prioritizing Technology-Based Tools for Health System Implementation
Notice bibliographique
Résumé
BACKGROUND: Health system decisions to put new technologies into clinical practice require a rapid and trustworthy decision-making process informed by best evidence. OBJECTIVE: This study aimed to present a rapid evidence review process that can be used to inform health system leaders and clinicians seeking to implement new technology tools to improve patient-clinician decision making and patient-oriented outcomes. METHODS: The rapid evidence review process we pioneered involved 5 sequential subprocesses: (1) environmental scan, (2) expert panel recruitment, (3) host evidence review panel, (4) analysis, and (5) local validation panel. We conducted an environmental scan of health information technology (IT) literature to identify relevant digital tools in oncology care. We synthesized the recent literature using current evidence review methods, creating visual summaries for use by a national panel of experts. Panelists were taken through a 6-hour modified Delphi process to prioritize tools for implementation. Findings from the rapid evidence review panel were taken to a local validation panel for further rapid review during a 3-hour session. RESULTS: Our rapid evidence review process shows promise for informing decision making by reducing the amount of time and resources needed to identify and prioritize adoption of IT tools. Despite evidence of improved patient outcomes, panelists had substantial concerns about implementing patient-reported outcome tracking tools, voicing concerns about liability, lack of familiarity with new technology, and additional time and workflow changes such tools would require. Instead, clinicians favored technologies that did not require clinician involvement. CONCLUSIONS: Health system leaders can use the rapid evidence review process presented here to usefully inform local technology adoption, implementation, and use in practice.
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 | 0,446 | 0,497 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,025 | 0,010 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,015 | 0,016 |
| Science ouverte | 0,007 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,008 |
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 ».