Understanding decisions to scale up: a qualitative case study of three health service intervention evaluations
Notice bibliographique
Résumé
OBJECTIVE: Efforts to scale up evidence-based health care interventions are seen as a key strategy to address complex health system challenges. However, scale-up efforts have shown significant variability. We address the gap between scale-up theory and practice by exploring the socio-cultural factors at play in the evaluation and scale-up of three interventions within the clinical field. METHODS: A qualitative multiple case study was conducted to characterize the evaluation and scale-up efforts of three interventions. We interviewed 18 participants, including clinicians and researchers across the three cases. Using Pierre Bourdieu's concepts of field and capital as a theoretical lens, we conducted a thematic analysis of the data. RESULTS: Despite the espoused goals of ensuring that health service interventions are always based on high-quality evidence within the clinical field, this study demonstrates that the outcomes of the evaluations are not the only factor in the decision to engage in scale-up efforts. Important socio-cultural factors also come into play. Bourdieu uses the term capital to refer to the resources that agents compete for and with their acquisition, accumulate power and/or social standing. The type of evidence valued in the clinical field and the ability to leverage capital in demonstrating that value are also important factors. CONCLUSIONS: Determining if an intervention is effective and should be scaled up is more complex in practice than described in the literature. Efforts are needed to explicitly include the role of social processes in the current frameworks guiding scaling-up efforts.
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 | 0,092 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,017 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,007 |
| 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 ».