Collaboration of issuing agencies and topic evolution of health informatisation policies in China
Notice bibliographique
Résumé
Digital transformation in the Chinese healthcare industry has led national government agencies to issue a series of policies to guide the construction of health informatisation. However, little is known about the issuing agencies and the topics of health informatisation policies. This study aimed to explore the collaboration of policies issuing and the evolution of policy topics. In this study, a total of 156 policy documents were identified. Author–Topic model and pre-discretised method based on Latent Dirichlet Allocation model were employed to mine the correlation between the issuing agencies and policy topics, and the evolution of policy contents. Findings suggest that the development of health informatisation policies can be divided into three stages. The number of policies has been increasing constantly, among which the policy of opinion and notification accounts for the vast majority. Many government agencies are involved in formulating policies collaboratively. On the whole, the topics changed constantly over time. From 2003 to 2008, policy topics focused on standards and specifications, with the phenomenon of splitting and development. From 2009 to 2014, policies were predominantly related to the construction of regional health informatisation, with some emerging topics generating. Internet + medical and new information technology gained attention from 2015 to 2020; most topics in this period were inherited, split or merged from the previous period. This study is helpful to research and formulation of the health informatisation-related policies.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».