Integrating environmental considerations in digital health technology assessment and procurement: Stakeholders’ perspectives
Notice bibliographique
Résumé
Background: Digital health technologies (DHTs) are promoted as means to reduce the environmental impact of healthcare systems. However, a growing literature is shedding light on the highly polluting nature of the digital industry and how it exacerbates health inequalities. Thus, the environmental footprint of DHTs should be considered when assessing their overall value to healthcare systems. The objectives of this article are to: (1) explore stakeholders' perspectives on integrating the environmental impacts of DHTs in assessment and procurement practices; (2) identify the factors enabling or constraining the operationalisation of such a change; and (3) encourage a constructive dialogue on how environmental issues fit within healthcare systems' push for more DHTs. Methods: Semi-structured interviews were conducted with 29 stakeholders involved in DHTs in a large Canadian academic healthcare centre. Data were collected and analysed through a mixed deductive-inductive process using a framework derived from diffusion of innovations theories. Results: The integration of the environmental impact of DHTs in assessment and procurement is contingent upon key micro-meso-macrosystemic factors that either enable or constrain changes in practices and processes. Innovation (micro) factors include stakeholders' recognition of the environmental issue and the extent to which it is feasible for them to address the environmental impact of DHTs. Organisational (meso) factors include the organisation's culture, leadership, policies, and practices, as well as the expertise and professional skillsets available. Finally, external (macro) factors include political and regulatory (e.g., national strategy, laws, standards, norms), economic (e.g., business models, public procurement), and professional and scientific factors (e.g., evidence, methodologies, clinical guidelines). Conclusion: Considering the environmental impact of DHTs depends on micro-meso-macrosystemic factors involving a variety of stakeholders and levels of governance, sometimes with divergent or even antagonistic objectives and expectations. It highlights the importance of better understanding the complexity inherent in the environmental shift in healthcare.
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 | 0,027 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».