MétaCan
Menu
Retour à la cohorte
Enregistrement W2913489185 · doi:10.1177/0840470418812152

Key steps for a mental health and addictions performance measurement framework for Canada

2019· article· en· W2913489185 sur OpenAlexafffundabout
Frank Sirotich, Carol E. Adair, Janet Durbin, Elizabeth Lin, Christopher Canning

Notice bibliographique

RevueHealthcare Management Forum · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of CalgaryInstitute for Clinical Evaluative SciencesMental Health Commission of CanadaCentre for Addiction and Mental HealthCanadian Mental Health AssociationUniversity of Toronto
Organismes subventionnairesMental Health CommissionPublic Health Agency of CanadaHealth CanadaCommission de la santé mentale du Canada
Mots-clésScope (computer science)Key (lock)ViewpointsStakeholder engagementStakeholderProcess managementMental healthProcess (computing)Dimension (graph theory)Computer scienceKnowledge managementPsychologyPublic relationsBusinessPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

To inform the development of a pan-Canadian Mental Health and Addictions (MHA) performance measurement framework, we undertook a rapid review of the recent Performance Measurement (PM) literature and solicited input from 20 MHA policy and measurement experts. Six key steps for framework development were identified: recognizing and acknowledging key issues, developing shared language and understanding of key concepts, defining overall scope, defining framework dimension/domains, selecting indicators and using systematic engagement and consultation processes with stakeholders. Subject matter experts underscored the need for a comprehensive engagement process which would honour multiple stakeholder viewpoints and attend to key issues in the codesign of features of the PM framework. Findings from this analysis may be used to inform a comprehensive stakeholder consultation process for the development of a pan-Canadian PM framework for MHA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,106
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,692
Score d'incertitude au seuil0,802

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1060,099
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0120,014
Études des sciences et des technologies0,0200,012
Communication savante0,0210,007
Science ouverte0,0080,012
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,296
Tête enseignante GPT0,541
Écart entre enseignants0,245 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetHealth Policy Implementation ScienceTravaux en français237 207