MétaCan
Menu
Retour à la cohorte
Enregistrement W3014966784 · doi:10.12927/hcq.2020.26143

Connecting Data to Value: An Operating Model for Healthcare Advanced Analytics

2020· article· en· W3014966784 sur OpenAlexaffvenue
Michael Caesar, Zaki Hakim, Terra Ierasts

Notice bibliographique

RevueHealthcare Quarterly · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésAnalyticsHealth careBest practiceValue (mathematics)Data analysisHealth administrationData scienceBusinessComputer scienceKnowledge managementMedicineNursingData miningPublic healthPolitical scienceManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Artificial intelligence offers the promise to revolutionize the way healthcare is delivered in the future. To capitalize on the value of advanced analytics and artificial intelligence, organizations must focus on building organizational capabilities. This report shares an operating model for insight and change in healthcare comprising six key components: analytics technology and operations, data governance, change and automation, advanced analytics and insights, analytics literacy and strategy and relationship management. The adoption of the proposed model will build core capabilities that will enable organizations to connect data to decision making and realize value from its investment in advanced analytics.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,470
Tête enseignante GPT0,550
Écart entre enseignants0,080 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetArtificial Intelligence in HealthcareTravaux en français237 207