MétaCan
Menu
Retour à la cohorte
Enregistrement W3003469502 · doi:10.12927/hcq.2020.26080

A Framework for Evaluating Vendor Procurement in a Digital Health Project

2020· article· en· W3003469502 sur OpenAlexaffvenueabout
Lori-Anne Huebner, Heba Tallah Mohammed, Elizabeth Lusk, Megan Harris, Mohamed Alarakhia

Notice bibliographique

RevueHealthcare Quarterly · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensRegional Municipality of Waterloo
Organismes subventionnairesnon disponible
Mots-clésVendorProcurementBest practiceBusinessProcess managementOperations managementEngineering managementDigital healthKnowledge managementHealth careMarketingComputer scienceEngineeringManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

The eHealth Centre of Excellence, a Waterloo, Ontario-based organization that advances and promotes digital health initiatives in clinical care, developed and assessed an innovative evaluation procurement framework. The purpose of the framework was to assess and support long-term vendor-organization procurement partnerships to develop, improve and expand electronic referral (eReferral) solutions. The framework focused on six criteria: the quality of the eReferral solution, its implementation, the service provided, the extent of training and knowledge transfer, the quality of the vendor's team and the vendor's project experience. These domains were further defined by components and key performance indicators unique to the eReferral solution to accommodate the stakeholders' specified needs as well as change management challenges to create value for users and organizations in long-term relationships. The evaluation used both qualitative and quantitative methodologies. The framework used data from three sources: (1) the System Coordinated Access program and vendor team experience surveys that focused on the six criteria mentioned earlier; (2) key stakeholder interviews that focused on system quality, user satisfaction and perception of net benefits; and (3) a vendor scorecard that focused on deliverables and efficiencies. Vendor procurement should be viewed not as a process that ends when a vendor is selected but rather as a continuing and evolving relationship. Evaluation should assess the ability and willingness of vendors to support stakeholders and meet their needs, stimulate new ideas and adapt to changing environments and expanding systems. The model enabled recording of factors necessary for successful outcomes and provided a strategy to help select vendors for successful long-term partnerships.

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)0,196
score de la tête « metaresearch » (Gemma)0,121
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,992

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1960,121
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0200,015
Études des sciences et des technologies0,0090,021
Communication savante0,0240,019
Science ouverte0,0070,012
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,369
Tête enseignante GPT0,527
Écart entre enseignants0,157 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207