MétaCan
Menu
Retour à la cohorte
Enregistrement W2918450488 · doi:10.1017/s0266462319000035

Adaptive Evolution in Rapid Assessments: A 25-Year Perspective

2019· article· en· W2918450488 sur OpenAlexaffabout
Paula Corabian, Bing Guo, Carmen Moga, N. Ann Scott

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésChristian ministryHealth technologyDiversity (politics)Perspective (graphical)Health careMedicineMedical educationProcess managementPolitical scienceComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This article retrospectively examines the evolution of rapid assessments (RAs) produced by the Health Technology Assessment (HTA) Program at the Institute of Health Economics over its 25-year relationship with a single requester, the Alberta Health Ministry (AHM). METHODS: The number, types, and methodological attributes of RAs produced over the past 25 years were reviewed. The reasons for developmental changes in RA processes and products over time were charted to document the push-pull tension between AHM needs and the HTA Program's drive to meet those needs while responding to changing methodological benchmarks. RESULTS: The review demonstrated the dynamic relationship required for HTA researchers to meet requester needs while adhering to good HTA practice. The longstanding symbiotic relationship between the HTA Program and the AHM initially led to increased diversity in RA types, followed by controlled extinction of the less fit (useful) "transition species." Adaptations in RA methodology were mainly driven by changes in best practice standards, requester needs, the healthcare environment, and staff expertise and technology. CONCLUSIONS: RAs are a useful component of HTA programs. To remain relevant and useful, RAs need to evolve according to need within the constraints of HTA best 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 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)0,069
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,365

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0690,076
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,006
Communication savante0,0090,008
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,123
Tête enseignante GPT0,479
Écart entre enseignants0,356 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207