Assessment of scalability of evidence-based innovations in community-based primary health care: a cross-sectional study
Notice bibliographique
Résumé
Background: In 2013, the Canadian Institutes of Health Research funded 12 community-based primary health care research teams to develop evidence-based innovations. We aimed to explore the scalability of these innovations. Methods: In this cross-sectional study, we invited the 12 teams to rate their evidence-based innovations for scalability. Based on a systematic review, we developed a self-administered questionnaire with 16 scalability assessment criteria grouped into 5 dimensions (theory, impact, coverage, setting and cost). Teams completed a questionnaire for each of their innovations. We analyzed the data using simple frequency counts and hierarchical cluster analysis. We calculated the mean number and standard deviation (SD) of innovations that met criteria within each dimension that included more than 1 criterion. The analysis unit was the innovation. Results: The 11 responding teams evaluated 33 evidence-based innovations (median 3, range 1–8 per team). The innovations focused on access to care and chronic disease prevention and management, and varied from health interventions to methodological innovations. Most of the innovations were health interventions (n = 21), followed by analytical methods (n = 4), conceptual frameworks (n = 4), measures (n = 3) and strategies to build research capacity (n = 1). Most (29) met criteria in the theory dimension, followed by impact (mean 22.3 [SD 5.6] innovations per dimension), setting (mean 21.7 [SD 8.5]), cost (mean 17.5 [SD 2.1]) and coverage (mean 14.0 [SD 4.1]). On average, the innovations met 10 of the 16 criteria. Adoption was the least assessed criterion (n = 9). Most (20) of the innovations were highly ranked for scalability. Interpretation: Scalability varied among innovations, which suggests that readiness for scale up was suboptimal for some innovations. Coverage remained largely unaddressed; further investigation of this critical dimension is necessary.
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 | 0,141 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».