Mapping horizon scanning systems for medical devices: similarities, differences, and lessons learned
Notice bibliographique
Résumé
OBJECTIVES: This article presents the mapping of horizons scanning systems (HSS) for medical devices, conducted by the Medical Devices Working Group of the International Horizon Scanning Initiative (IHSI MDWG). It provides an overview of the identified HSS, highlights similarities and differences between the systems, and lessons learned. METHODS: Potentially relevant HSS were identified through literature searches, scan of an overview of EuroScan members, and input from the IHSI MDWG members. Structured information was collected from organizations that confirmed having an HSS for medical devices. RESULTS: Sixteen initiatives could be identified, of which 11 are currently ongoing. The purposes of the HSS range from raising awareness of trends and new developments to managing informed decisions on innovative health services in hospitals. The time-horizon is most often 3 years up to a few months before market entry. Three models of identification of new technologies crystallized: a reactive (stakeholders outside HSS inform), a pro-active (actively searching multifold sources), and a hybrid model. Prioritization is often conducted by separate committees via scoring or debate. The outputs focus either on in-depth information of single technologies or on a class of technologies or on technologies in specific disease areas. CONCLUSIONS: The identified HSS share the common experience that horizon scanning (HS) for medical devices is a resource-intensive exercise that requires a dedicated and skilled team. Insights into the identified HSS and their experiences will be used in the continued work of the IHSI MDWG on its proposal for an IHSI HSS for medical devices.
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 | 0,044 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».