What implementation strategies and outcome measures are used to transform healthcare organizations into learning health systems? A mixed-methods review protocol
Notice bibliographique
Résumé
BACKGROUND: A learning health system (LHS) framework provides an opportunity for health system restructuring to provide value-based healthcare. However, there is little evidence showing how to effectively implement a LHS in practice. OBJECTIVE: A mixed-methods review is proposed to identify and synthesize the existing evidence on effective implementation strategies and outcomes of LHS in an international context. METHODS: A mixed-methods systematic review will be conducted following methodological guidance from Joanna Briggs Institute (JBI) and PRISMA reporting guidelines. Six databases (CINAHL, Embase, MEDLINE, PAIS, Scopus and Nursing & Allied Health Database) will be searched for terms related to LHS, implementation and evaluation measures. Three reviewers will independently screen the titles, abstracts and full texts of retrieved articles. Studies will be included if they report on the implementation of a LHS in any healthcare setting. Qualitative, quantitative or mixed-methods study designs will be considered for inclusion. No restrictions will be placed on language or date of publication. Grey literature will be considered for inclusion but reviews and protocol papers will be excluded. Data will be extracted from included studies using a standardized extraction form. One reviewer will extract all data and a second will verify. Critical appraisal of all included studies will be conducted by two reviewers. A convergent integration approach to data synthesis will be used, where qualitative and quantitative data will be synthesized separately and then integrated to present overarching findings. Data will be presented in tables and narratively. CONCLUSION: This review will address a gap in the literature related to implementation of LHS. The findings from this review will provide researchers with a better understanding of how to design and implement LHS interventions. This systematic review was registered in PROSPERO (CRD42022293348).
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 | 0,268 | 0,233 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,007 |
| Méta-épidémiologie (sens large) | 0,016 | 0,023 |
| Bibliométrie | 0,022 | 0,016 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,013 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,013 |
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 ».