Barriers to Creating Scalable Business Models for Digital Health Innovation in Public Systems: Qualitative Case Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND Health systems are increasingly looking toward the private sector to provide digital solutions to address health care demands. Innovation in digital health is largely driven by small- and medium-sized enterprises (SMEs), yet these companies experience significant barriers to entry, especially in public health systems. Complex and fragmented care models, alongside a myriad of relevant stakeholders (eg, purchasers, providers, and producers of health care products), make developing value propositions for digital solutions highly challenging. OBJECTIVE This study aims to identify areas for health system improvement to promote the integration of innovative digital health technologies developed by SMEs. METHODS This paper qualitatively analyzes a series of case studies to identify health system barriers faced by SMEs developing digital health technologies in Canada and proposed solutions to encourage a more innovative ecosystem. The Women’s College Hospital Institute for Health System Solutions and Virtual Care established a consultation program for SMEs to help them increase their innovation capacity and take their ideas to market. The consultation involved the SME filling out an onboarding form and review of this information by an expert advisory committee using guided considerations, leading to a recommendation report provided to the SME. This paper reports on the characteristics of 25 SMEs who completed the program and qualitatively analyzed their recommendation reports to identify common barriers to digital health innovation. RESULTS A total of 2 central themes were identified, each with 3 subthemes. First, a common barrier to system integration was the lack of formal evaluation, with SMEs having limited resources and opportunities to conduct such an evaluation. Second, the health system’s current structure does not create incentives for clinicians to use digital technologies, which threatens the sustainability of SMEs’ business models. SMEs faced significant challenges in engaging users and payers from the public system due to perverse economic incentives. Physicians are compensated by in-person visits, which actively works against the goals of many digital health solutions of keeping patients out of clinics and hospitals. CONCLUSIONS There is a significant disconnect between the economic incentives that drive clinical behaviors and the use of digital technologies that would benefit patients’ well-being. To encourage the use of digital health technologies, publicly funded health systems need to dedicate funding for the evaluation of digital solutions and streamlined pathways for clinical integration.
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 | 0,037 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».