Adopting Multicriteria Decision Analysis in Local Health Settings: A Literature Review for Hospital Value Analysis Decision Makers
Notice bibliographique
Résumé
Introduction: Hospital value analysis teams aim to scope, appraise, and procure the most cost and clinically effective alternatives, but many rely on deliberative processes and lack the use of evaluation frameworks. Multi-criteria decision analysis can complement these processes through the provision of systematic, transparent, and empirical decision support. This literature review aims to understand the applications of MCDA in local contexts. Methods: Medline (OVID), EMBASE, CINAHL, PsycINFO, and Scopus were searched, and returned 2,246 studies, of which 110 were included for full-text review, and 17 were included in the final analysis. Data relating to the context in which the study was conducted, the composition of the MCDA model used, and the reported feasibility of the use of MCDA were extracted. Results: The use of MCDA for local healthcare contexts is a recent, interprofessional, and geographically agnostic phenomenon. Diagnostics, treatment, surgical approaches, performances and preferences, education approaches, and recovery targets were the primary decision problems addressed. A combination of models was employed, and qualitative data, literature review, expert opinion, and financial measurements were used to support data requirements. Facilitating reasoning and decision-making, service quality improvement, transparency, flexibility and adaptability, participation and buy in, and feedback about MCDA were identified as key adoption characteristics. Conclusion: MCDA has numerous emerging applications to support healthcare decision makers across different decision problems and to evaluate products and processes in local settings. This review provides considerations for uptake and implementation, though further investigation into its explicit applications to hospital and perioperative value analysis is necessary to elicit the usability, feasibility, and acceptability of these models.
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 | 0,056 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,032 | 0,037 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 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 ».