Developing Health Care Evaluation Frameworks: Learnings from a Comprehensive Literature Review
Notice bibliographique
Résumé
Background: Evidence suggests that shifting from acute, hospital- based health care delivery to preventative, community-based health care (CBHC) makes care more cost-effective, efficient, and equitable. As such, the Government of Alberta, Canada, has recently committed to promoting health and providing health care services to individuals in their own communities. In order to measure their progress, the Alberta’s Ministry of Health approached our research team to create an evidence-based evaluation framework to monitor progress on this initiative. To inform our framework development approach, our team undertook a comprehensive literature review. Methods: We comprehensively reviewed peer-reviewed and grey literature to identify evaluation frameworks and indicators applicable to CBHC programs. Searches were conducted in six databases in June 2018. The search was limited to articles published between 2013 and 2018. The reviewers identified additional studies by scanning reference lists of studies found through the database search, hand-searching grey literature, and obtaining recommendations from expert colleagues in the field. Data were extracted and analyzed by two authors. Results: Ten key themes arose from the article data analysis. Using the themes, team members generated a set of ten overarching recommendations for creating health care evaluation frameworks. Conclusion: This research describes the results of examining the community-based health care evaluation literature and provides ten recommendations for creating new health care evaluation frameworks.
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 | 0,585 | 0,645 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,076 | 0,044 |
| Études des sciences et des technologies | 0,010 | 0,018 |
| Communication savante | 0,034 | 0,042 |
| Science ouverte | 0,011 | 0,020 |
| Intégrité de la recherche | 0,011 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».