Stakeholder preferences for attributes of digital health technologies to consider in health service funding
Notice bibliographique
Résumé
Abstract Objectives Health service providers are currently making decisions on the public funding of digital health technologies (DHTs) for managing chronic diseases with limited understanding of stakeholder preferences for DHT attributes. This study aims to understand the community, patient/carer, and health professionals’ preferences to help inform a prioritized list of evaluation criteria. Methods An online best–worst scaling survey was conducted in Australia, New Zealand, Canada, and the United Kingdom to ascertain the relative importance of twenty-four DHT attributes among stakeholder groups using an efficient incomplete block design. The attributes were identified from a systematic review of DHT evaluation frameworks for consideration in a health technology assessment. Results were analyzed with multinomial models by stakeholder group and latent class. Results A total of 1,251 participants completed the survey (576 general community members, 543 patients/carers, and 132 health professionals). Twelve attributes achieved a preference score above 50 percent in the stakeholder group model, predominantly related to safety but also covering technical features, effectiveness, ethics, and economics. Results from the latent class model supported this prioritization. Overall, connectedness with the patient’s healthcare team seemed the most important; with “Helps health professionals respond quickly when changes in patient care are needed” as the most highly prioritized of all attributes. Conclusions It is proposed that these prioritized twelve attributes be considered in all evaluations of DHTs that manage chronic disease, supplemented with a limited number of attributes that reflect the specific perspective of funders, such as equity of access, cost, and system-level implementation considerations.
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 | 0,118 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».