MétaCan
Menu
Retour à la cohorte
Enregistrement W2913055454 · doi:10.1136/bmjgh-2018-000963

Complex health interventions in complex systems: improving the process and methods for evidence-informed health decisions

2019· editorial· en· W2913055454 sur OpenAlex
Susan L. Norris, Eva Rehfuess, Helen Smith, Özge Tunçalp, Jeremy Grimshaw, Nathan Ford, Anayda Portela

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBMJ Global Health · 2019
Typeeditorial
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesDirektoratet for UtviklingssamarbeidWorld Health OrganizationUnited States Agency for International Development
Mots-clésPsychological interventionPublic healthHealth policyPublic relationsContext (archaeology)EmpowermentEquity (law)Health equityPolitical scienceMedicinePublic economicsNursingEconomics

Résumé

récupéré en direct d'OpenAlex

The 2030 Agenda for Sustainable Development calls for real transformation, recognising that health goes beyond survival to include human rights, equity and the empowerment of vulnerable populations, including women and children.1 This Agenda demands strategies to address the underlying causes of ill health and inequity to achieve sustained improvements in health by ensuring healthy lives and promoting well-being for all at all ages. Within this context, governments and programmes struggle to make evidence-informed decisions to achieve these ambitious goals, while embracing these values. Current processes for developing evidence-informed guidance in public health encompass scoping and formulation of key questions; evidence retrieval, synthesis and appraisal; and the formulation of recommendations. These methods were originally conceived for clinical interventions as part of the evidence-based medicine movement.2 In public health these processes are applied to a broad range of health interventions implemented across varied health systems and contexts where a myriad of factors act both directly and indirectly to impact health and broader societal outcomes. Importantly, policy-makers pose questions beyond those of efficacy and safety and need guidance on the best ways to deliver interventions. Thus developers of evidence-informed guidance often apply processes and methods designed originally for assessing the comparative effectiveness of clinical interventions that are ill-adapted to formulating recommendations on highly context-dependent public health and health system interventions. A core function of World Health Organization (WHO) is to develop guidelines that set forth recommendations designed to support policy-makers and programme managers, particularly in low-income and middle-income countries, in making informed decisions about clinical practice or public health issues. WHO follows a transparent and rigorous process for developing evidence-informed guidelines.3 However, this process currently does not give adequate consideration to relevant aspects of complexity in health interventions or to interventions delivered in complex systems where outcomes occur at the …

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,055
score de la tête « metaresearch » (Gemma)0,043
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0550,043
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,684
Tête enseignante GPT0,771
Écart entre enseignants0,087 · 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