MétaCan
Menu
Retour à la cohorte
Enregistrement W4392605521 · doi:10.12927/hcpap.2024.27268

From Today to Tomorrow: Leveraging Digital Health to Move toward Health for All

2024· letter· en· W4392605521 sur OpenAlexaffvenueabout
Kendall Ho, Onil Bhattacharyya, Owen Adams

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2024
Typeletter
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensWomen's College HospitalUniversity of TorontoCanadian Medical AssociationUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityDigital healthKnowledge managementCitizen journalismHarmonizationComputer scienceProcess managementResource (disambiguation)BusinessEngineering managementEngineeringPolitical scienceHealth careWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This series of papers explores the concept of essential digital health for the underserved. Several cross-cutting themes are highlighted in this paper, for example: (1) harmonizing journeys of different patient groups to understand diverse perspectives; (2) engaging health professionals in interoperability, change management and health human resource capacity building; (3) ensuring harmonization of micro, meso and macro levels of health services delivery; and (4) integrating evaluation iteratively to enable continuous improvement and learning. Adopting a learning health system (LHS) approach facilitates iterative growth and evolution, incorporating concepts from the software industry, as well as participatory processes such as failing forward, developing ecosystems for collaboration and engagement of stakeholders. The example of HealthLink BC's 811 as a digital front door is used to demonstrate how an LHS approach can enable meaningful system change. We welcome further dialogues and discussion on existing and emerging examples of health system implementation approaches that can help our Canadian health systems move continuously and progressively closer toward the ultimate goal of Health for All (WHO 2023).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,226
Score d'incertitude au seuil0,449

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0250,019
Communication savante0,0130,018
Science ouverte0,0030,011
Intégrité de la recherche0,0650,064
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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.

Tête enseignante Opus0,417
Tête enseignante GPT0,565
Écart entre enseignants0,148 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be HealthyMême sujetHealth Policy Implementation ScienceTravaux en français237 207