MétaCan
Menu
Retour à la cohorte
Enregistrement W3109008254 · doi:10.12927/hcpol.2020.26353

Catalyzing Digital Health Innovation in Ontario: The Role of an Academic Medical Centre

2020· article· en· W3109008254 sur OpenAlexafffundvenueabout
Laura Desveaux, Leah Kelley, R. Sacha Bhatia, Trevor Jamieson

Notice bibliographique

RevueHealthcare policy · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensWomen's College Hospital
Organismes subventionnairesUniversity of TorontoWomen's College HospitalHeart and Stroke Foundation of Canada
Mots-clésDigital healthKey (lock)State (computer science)BusinessHealth careHealth technologyHealthcare systemPublic relationsPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Overcoming barriers to health system innovation is an ongoing challenge in Canada.A total of 51 participants attended a digital health symposium in October 2017 to discuss the role of an academic medical centre (AMC) in advancing innovation.The conversation centred around (i) the current state of innovation in healthcare; (ii) the need for an innovation catalyst; and (iii) the roadmap for an AMC to drive change.AMCs can address the barriers to digital health innovation in Canada by providing a centralized network and infrastructure that supports innovation throughout its journey from "bench to bedside" as well as supporting educational reform. RésuméSurmonter les obstacles à l'innovation dans le système de santé est un défi constant au Canada.En tout, 51 participants ont assisté à un symposium sur la santé numérique, en octobre 2017, pour discuter du rôle des centres médicaux universitaires (CMA) dans la promotion de l'innovation.La conversation a porté sur (i) l'état actuel de l'innovation dans les soins de santé, (ii) le besoin d' un catalyseur d'innovation et (iii) la feuille de route qui permet à un CMA de provoquer le changement.Les CMA peuvent affronter les obstacles à l'innovation numérique en santé au Canada en mettant en place un réseau et une infrastructure centralisés qui soutiennent l'innovation tout au long de son parcours -du laboratoire au chevet du patient -et en appuyant les réformes de l' enseignement.

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)0,012
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,775
Score d'incertitude au seuil0,899

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,021
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0310,012
Communication savante0,0170,005
Science ouverte0,0030,010
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,137
Tête enseignante GPT0,458
Écart entre enseignants0,320 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations9
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetHealth and Medical Research ImpactsTravaux en français237 207