Assessing the scalability of innovations in primary care: a cross-sectional study
Notice bibliographique
Résumé
Background: Canadian health funding currently prioritizes scaling up for evidence-based primary care innovations, but not all teams prepare for scaling up. We explored scalability assessment among primary care innovators in the province of Quebec to evaluate their preparedness for scaling up. Methods: We performed a cross-sectional survey from Feb. 18 to Mar. 18, 2019. Eligible participants were 33 innovation teams selected for the 2019 Quebec College of Family Physicians’ Symposium on Innovations. We conducted a Web-based survey in 2 sections: innovation characteristics and the Innovation Scalability Self-administered Questionnaire. The latter includes 16 criteria (scalability components) grouped into 5 dimensions: theory (1 criterion), impact (6 criteria), coverage (4 criteria), setting (3 criteria) and cost (2 criteria). We classified innovation types using the International Classification of Health Interventions. We performed a descriptive analysis using frequency counts and percentages. Results: Out of 33 teams, 24 participated (72.7%), with 1 innovation each. The types of innovation were management (15/24), prevention (8/24) and therapeutic (1/24). Most management innovations focused on patient navigation (9/15). In order of frequency, teams had assessed theory (79.2%) and impact (79.2%) criteria, followed by cost (77.1%), setting (59.7%) and coverage (54.2%). Most innovations (16/24) had assessed 10 criteria or more, including 10 management innovations, 5 prevention innovations and 1 therapeutic innovation. Implementation fidelity was the least assessed criterion (6/24). Interpretation: The scalability assessments of a primary care innovation varied according to its type. Management innovations, which were the most prevalent and assessed the most scalability components, appear to be most prepared for primary care scale-up in Canada.
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 | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».