Perception of the Progressing Digitization and Transformation of the German Health Care System Among Experts and the Public: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Health care systems worldwide are struggling to keep rising costs at bay with only modest outcome improvement among many diseases. Digitization with technologies like Artificial Intelligence or Machine Learning algorithms might address this. Although digital technologies have been successfully applied in clinical studies the effect on the overall health care system so far was limited. The regulatory ecosystem or data privacy might be responsible, but other reasons may also predominate. OBJECTIVE: We analyzed how the digitization of the German health care market is currently perceived among different stakeholders and investigated reasons for its slow adaption. METHODS: This was a mixed methods study split into a qualitative Part A using the conceptual approach of the Grounded Theory and a quantitative Part B using the Delphi method. For Part A we interviewed experts in the health care system and converted the results into 17 hypotheses. The Delphi method consisted of an online survey which was sent to the participants via email and was available for three months. For the assessment of the 17 hypotheses, the participants were given a six-point Likert scale. The participants were grouped into patients, physicians, and providers of services within the German health care market. RESULTS: There was a strong alignment of opinions on the hypotheses between experts (N=21) and survey participants (N=733), with 70.5% overall agreement on 12/17 hypotheses. Physicians demonstrated the lowest level of agreement with the expert panel at 88% (15/17) disagreement, with the hypotheses "H8: Digitization in the health care system will free up jobs," and "H6: Digitization in the health care system will empower the patients," perceived to be in profound disagreement (P=.036 and P<.001, respectively). CONCLUSIONS: Despite the firm agreement among participants and experts regarding the impact of digitization on the health care system, physicians demonstrated a more negative attitude. We assume that this might be a factor contributing to the slow adoption of digitization in practice. Physicians might be struggling with changing power structures, so future measures to transform the market should involve them to a larger degree.
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 | 0,037 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».