Innovation Centers in Health Care Delivery Systems: Structures for Success
Notice bibliographique
Résumé
The need to support innovation in health care delivery was prompted by payment reforms and access to digital tools and has been accelerated by the shift to virtual care as part of the COVID-19 pandemic response. Prior to the pandemic, a growing number of health systems set up innovation centers to focus on creating new services and exploring new business models relevant to value-based care. This is distinct from process improvement or implementation science, and often needs a different set of incentives to succeed within a large organization. We used a national survey to identify a diverse sample of innovation centers, and interviewed leaders to describe their aims, organizational structures, and activities. They all aim to improve patient outcomes and experience while reducing costs, but their strategic focus may differ. The centers also vary in their reporting structure, how they build internal capacity, and how they measure success. We highlight the range of strategies through examples of projects that improve quality, reduce costs, and generate new revenue. While the optimal forms and impact of innovation centers are still emerging, the fiscal pressures and the rapid uptake of digital technologies present opportunities for the redesign of health services in the postpandemic era. The experiences of these centers illustrate a set of approaches to increase any organization's capacity for innovation.
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 | 0,051 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,009 |
| Études des sciences et des technologies | 0,023 | 0,058 |
| Communication savante | 0,047 | 0,033 |
| Science ouverte | 0,004 | 0,040 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».