Use of environmental scans in health services delivery research: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: To examine the extent and nature of evidence on the use of the environmental scan (ES) in the health services delivery literature. DESIGN: Scoping review. METHODS: . A Peer Review of Electronic Search Strategies was completed. Seven electronic databases and the grey literature were searched. Pairs of researchers independently performed two levels of screening and data extraction. Data were analysed using qualitative content and thematic analysis. RESULTS: Ninety-six studies were included in the scoping review. Researchers conducted ESs for many purposes, the most common being to examine the current state of programmes, services or policies. Recommendations were informed by ESs in 20% of studies. Most common data collection methods were literature review (71%), key informant or semistructured interviews (46%) and surveys (35%). Over half (53%) of the studies used a combination of passive (looking at information eg, literature, policies, guidelines) and active (looking for information eg, surveys, interviews) approaches to data collection. Person sources of data (eg, healthcare stakeholders, community representatives) and non-person sources of data (eg, documents, electronic databases, the web) were drawn on to a similar extent. The thematic analysis of the definitions/descriptions yielded several themes including instrument of discovery, knowledge synthesis, forward-looking and decision making. Research gaps identified included absence of a standard definition, inconsistencies in terminology and lack of guiding frameworks in the health services delivery context. CONCLUSION: ESs were conducted to gather evidence and to help inform decision making on a range of policy and health services delivery issues across the continuum of care. Consistency in terminology, a consensus definition and more guidance on ES design may help provide structure for researchers and other stakeholders, and ultimately advance ES as a methodological approach. A working definition of ES in a health services delivery context is presented.
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 | 0,175 | 0,360 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,071 | 0,058 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,007 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».