Optimisation: defining and exploring a concept to enhance the impact of public health initiatives
Notice bibliographique
Résumé
BACKGROUND: Repeated, data-driven optimisation processes have been applied in many fields to rapidly transform the performance of products, processes and interventions. While such processes may similarly be employed to enhance the impact of public health initiatives, optimisation has not been defined in the context of public health and there has been little exploration of its key concepts. METHODS: We used a modified, three-round Delphi study with an international group of researchers, public health policy-makers and practitioners to (1) generate a consensus-based definition of optimisation in the context of public health and (2i) describe key considerations for optimisation in that context. A pre-workshop literature review and elicitation of participant views regarding optimisation in public health (round 1) were followed by a daylong workshop and facilitated face-to-face group discussions to refine the definition and generate key considerations (round 2); finally, post-workshop discussions were undertaken to refine and finalise the findings (round 3). A thematic analysis was performed at each round. Study findings reflect an iterative consultation process with study participants. RESULTS: Thirty of 33 invited individuals (91%) participated in the study. Participants reached consensus on the following definition of optimisation in public health: "A deliberate, iterative and data-driven process to improve a health intervention and/or its implementation to meet stakeholder-defined public health impacts within resource constraints". A range of optimisation considerations were explored. Optimisation was considered most suitable when existing public health initiatives are not sufficiently effective, meaningful improvements from an optimisation process are anticipated, quality data to assess impacts are routinely available, and there are stable and ongoing resources to support it. Participants believed optimisation could be applied to improve the impacts of an intervention, an implementation strategy or both, on outcomes valued by stakeholders or end users. While optimisation processes were thought to be facilitated by an understanding of the mechanisms of an intervention or implementation strategy, no agreement was reached regarding the best approach to inform decisions about modifications to improve impact. CONCLUSIONS: The study findings provide a strong basis for future research to explore the potential impact of optimisation in the field of public health.
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 | 0,187 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,009 | 0,064 |
| Communication savante | 0,021 | 0,036 |
| Science ouverte | 0,006 | 0,032 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».