Interdisciplinary Collaborations in Digital Health Research: Mixed Methods Case Study
Notice bibliographique
Résumé
BACKGROUND: Digital innovations in medicine are disruptive technologies that can change the way diagnostic procedures and treatments are delivered. Such innovations are typically designed in teams with different disciplinary backgrounds. This paper concentrates on 2 interdisciplinary research teams with 20 members from the medicine and engineering sciences working jointly on digital health solutions. OBJECTIVE: The aim of this paper was to identify factors on the individual, team, and organizational levels that influence the implementation of interdisciplinary research projects elaborating on digital applications for medicine and, based on the results, to draw conclusions for the proactive design of the interdisciplinary research process to make these projects successful. METHODS: To achieve this aim, 2 interdisciplinary research teams were observed, and a small case study (response rate: 15/20, 75%) was conducted using a web-based questionnaire containing both closed and open self-report questions. The Spearman rank correlation coefficient was calculated to analyze the quantitative data. The answers to the open-ended questions were subjected to qualitative content analysis. RESULTS: With regard to the interdisciplinary research projects investigated, the influencing factors of the three levels presented (individual, team, and organization) have proven to be relevant for interdisciplinary research cooperation. CONCLUSIONS: With regard to recommendations for the future design of interdisciplinary cooperation, management aspects are addressed, that is, the installation of a coordinator, systematic definition of goals, required resources, and necessary efforts on the part of the involved interdisciplinary research partners. As only small groups were investigated, further research in this field is necessary to derive more general recommendations for interdisciplinary research teams. TRIAL REGISTRATION: German Clinical Trials Register, DRKS00023909, https://www.drks.de/drks_web/navigate.do?navigationId=trial.HTML&TRIAL_ID=DRKS00023909 ; German Clinical Trials Register, DRKS00025077, https://www.drks.de/drks_web/navigate.do?navigationId=trial.HTML&TRIAL_ID=DRKS00025077.
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 | 0,041 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,005 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».