MétaCan
Menu
Retour à la cohorte
Enregistrement W4308212754 · doi:10.1186/s12961-022-00925-z

How can health technology assessment support our response to public health emergencies?

2022· letter· en· W4308212754 sur OpenAlexaff
Aparna Ananthakrishnan, Alia Luz, Sarin KC, Leslie Ong, Cecilia Oh, Wanrudee Isaranuwatchai, Saudamini Vishwanath Dabak, Yot Teerawattananon, Hugo C. Turner

Notice bibliographique

RevueHealth Research Policy and Systems · 2022
Typeletter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMedical Research CouncilBill and Melinda Gates Foundation
Mots-clésPublic healthTransparency (behavior)Health technologyPreparednessHealth policyPublic relationsHealth economicsHealth administrationHealth services researchMedicineBusinessHealth carePolitical scienceEconomic growthNursingEconomics

Résumé

récupéré en direct d'OpenAlex

Public health emergencies (PHEs), such as the COVID-19 crisis, are threats to global health and public order. We recommend that countries bolster their PHE responses by investing in health technology assessment (HTA), defined as a systematic process of gathering pertinent information on and evaluating health technologies from a medical, economic, social and ethical standpoint. We present examples of how HTA organizations in low- and middle-income countries have adapted to supporting PHE-related decisions during COVID-19 and describe the ways HTA can help the response to a PHE. In turn, we advocate for HTA capacity to be further developed globally and for increased institutional acceptance of these methods as a building block for preparedness and response to future PHEs. Finally, the long-term potential of HTA in strengthening health systems and embedding confidence and transparency into scientific policy should be recognized.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,244
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2440,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0100,003
Études des sciences et des technologies0,0040,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,813
Tête enseignante GPT0,608
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations34
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Research Policy and SystemsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207