MétaCan
Menu
Retour à la cohorte
Enregistrement W4200544394 · doi:10.25248/reas.e9290.2021

Evaluation in healthcare organizations: a literature review about innovation assessment

2021· review· en· W4200544394 sur OpenAlexaff
Breitner Gomes Chaves, Catherine Briand, Khayreddine Bouabida, Carol Giba Bottger Garcia

Notice bibliographique

RevueRevista Eletrônica Acervo Saúde · 2021
Typereview
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversité du Québec à Trois-RivièresUniversité de MontréalInstitut National de Santé Publique du Québec
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Process (computing)Health careField (mathematics)Knowledge managementManagement scienceComputer sciencePsychological interventionProcess managementPsychologyBusinessEngineeringPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Objective: This article identifies and provides the reader with the basis for evaluating the innovations proposed in healthcare organizations and highlights determinants to consider when implementing them. Bibliographic review: There is no complete, exhaustive, and absolute definition of health evaluation. Several evaluative approaches and tools were identified. They can be adapted and used according to the evaluator's evaluative objectives, paradigms, and theoretical influences. Moreover, essential concepts regarding the implementation of innovations were considered and synthesized, allowing the reader to understand the complexity of this phase and its impact on the success of innovations. Final considerations: Although the evaluative field is broad and has several distinct concepts, this article presents a synthesis of concepts that would support decision-makers in evaluating their organization's innovation process. Furthermore, the present paper enables a better understanding of the risks of success or failure of interventions (or innovation) from a comprehensive perspective of the critical determinants in the implementation phase.

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)0,029
score de la tête « metaresearch » (Gemma)0,084
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,084
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0150,020
Études des sciences et des technologies0,0010,003
Communication savante0,0050,005
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,232
Tête enseignante GPT0,578
Écart entre enseignants0,346 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Eletrônica Acervo SaúdeMême sujetEvaluation and Performance AssessmentTravaux en français237 207