A Framework for Aiding the Translation of Scientific Evidence into Policy: The Experience of a Hospital-Based Technology Assessment Unit
Notice bibliographique
Résumé
OBJECTIVES: Very few practical frameworks exist to guide the formulation of recommendations at hospital-based health technology assessment (HTA) units. The objectives of our study were: (i) to identify decision criteria specific to the context of hospital-based health technologies and interventions, (ii) to estimate the extent to which the expert community agrees on the importance of the identified criteria, (iii) to incorporate the identified criteria into a decision-aid tool, and (iv) to illustrate the application of a prototype decision-aid tool. METHODS: Relevant decision criteria were identified using existing frameworks for HTA recommendations, our past experience, a literature search, and feedback from a survey of diverse stakeholders. RESULTS: Based on the survey results, twenty-three decision criteria were incorporated into the final framework. We defined an approach that eschewed a scoring system, but instead relied on a visual means for arriving at a final recommendation, by juxtaposing the importance rating for each criterion against the results of the health technology assessment. For a technology to be approved, a majority of criteria considered important should also have received favorable findings. CONCLUSIONS: We created a simple and practical decision-aid tool that incorporates all decision criteria relevant to a hospital-based HTA unit. With its ease of use and accessibility, our tool renders the subjective decision-making process more structured and transparent.
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 | 0,503 | 0,433 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,023 | 0,015 |
| Études des sciences et des technologies | 0,013 | 0,024 |
| Communication savante | 0,040 | 0,026 |
| Science ouverte | 0,009 | 0,027 |
| Intégrité de la recherche | 0,018 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».