Using the Right Tools to Answer the Right Questions: The Importance of Evaluative Research Techniques for Health Services Evaluation Research in the 21st Century
Notice bibliographique
Résumé
Abstract: The marked changes in health care expenditures in recent years have led to a call for greater accountability in the areas of health education, policy, services, and reform. In recent years, evaluative research has been conducted in health arenas under the rubric of health services research. The research methods employed have evolved not from evaluation research methodology, but from frameworks that often do not lend themselves to deriving appropriate causal inferences in multi-causal environments. Given the complexity of the interrelated political, social, psychological, and economic factors that can affect health services, more complex evaluative techniques are needed. This article describes the epistemology of evaluative research and, through a series of examples from the health services literature, demonstrates the strengths of theory-driven approaches and statistical multivariate techniques compared to traditional black-box methods, as ways to increase validity for causal inference.
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 | 0,661 | 0,752 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,006 | 0,048 |
| Communication savante | 0,033 | 0,038 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,008 | 0,025 |
| 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 ».