Strategies used throughout the scaling-up process of eConsult – Multiple case study of four Canadian Provinces
Notice bibliographique
Résumé
BACKGROUND: eConsult is a model of asynchronous communication connecting primary care providers to specialists to discuss patient care. This study aims to analyze the scaling-up process and identify strategies used to support scaling-up efforts in four provinces in Canada. METHODS: We conducted a multiple case study with four cases (ON, QC, MB, NL). Data collection methods included document review (n = 93), meeting observations (n = 65) and semi-structured interviews (n = 40). Each case was analyzed based on Milat's framework. RESULTS: The first scaling-up phase was marked by the rigorous evaluation of eConsult pilot projects and the publication of over 90 scientific papers. In the second phase, provinces implemented provincial multi-stakeholder committees, institutionalized the evaluation, and produced documents detailing the scaling-up plan. During the third phase, efforts were made to lead proofs of concept, obtain the endorsement of national and provincial organizations, and mobilize alternate sources of funding. The last phase was mainly observed in Ontario, where the creation of a provincial governance structure and strategies were put in place to monitor the service and manage changes. CONCLUSIONS: Various strategies need to be used throughout the scaling-up process. The process remains challenging and lengthy because health systems lack clear processes to support innovation scaling-up.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,020 | 0,005 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».