Type and use of digital technology in learning health systems: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Health systems in North America and Europe have been criticised for their lack of safety, efficiency and effectiveness despite rising healthcare costs. In response, healthcare leaders and researchers have articulated the need to transform current health systems into continuously and rapidly learning health systems (LHSs). While digital technology has been envisioned as providing the transformational power for LHSs by generating timely evidence and supporting best care practices, it remains to be ascertained if it is indeed playing this role in current LHS initiatives. This paper presents a protocol for a scoping review that aims at providing a comprehensive understanding of how and to what extent digital technology is used within LHSs. Results will help to identify gaps in the literature as a means to guide future research on this topic. METHODS AND ANALYSIS: Multiple databases and grey literature will be searched with terms related to learning health systems. Records selection will be done in duplicate by two reviewers applying pre-defined inclusion and exclusion criteria. Data extraction from selected records will be done by two reviewers using a piloted data charting form. Results will be synthesised through a descriptive numerical summary and a mapping of digital technology use onto types of LHSs and phases of learning within LHSs. ETHICS AND DISSEMINATION: Ethical approval is not required for this scoping review. Preliminary results will be shared with stakeholders to account for their perspectives when drawing conclusions. Final results will be disseminated through presentations at relevant conferences and publications in peer-reviewed journals.
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 | 0,201 | 0,164 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,023 | 0,018 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,015 |
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 ».