MétaCan
Menu
Retour à la cohorte
Enregistrement W4398202626 · doi:10.1097/hmr.0000000000000408

New insights about community benefit evaluation: Using the Community Health Implementation Evaluation Framework to assess what hospitals are measuring

2024· article· en· W4398202626 sur OpenAlexaff
Ashlyn Burns, Valerie A. Yeager, Joshua R. Vest, Christopher A. Harle, Emilie R. Madsen, Cory E. Cronin, Berkeley Franz

Notice bibliographique

RevueHealth Care Management Review · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensHeritage College
Organismes subventionnairesnon disponible
Mots-clésCommunity healthFocus groupNeeds assessmentMedicineSample (material)Family medicinePsychologyNursingGerontologyBusinessEnvironmental healthPublic healthMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nonprofit hospitals are required to conduct community health needs assessments (CHNA) every 3 years and develop corresponding implementation plans. Implemented strategies must address the identified community needs and be evaluated for impact. PURPOSE: Using the Community Health Implementation Evaluation Framework (CHIEF), we assessed whether and how nonprofit hospitals are evaluating the impact of their CHNA-informed community benefit initiatives. METHODOLOGY: We conducted a content analysis of 83 hospital CHNAs that reported evaluation outcomes drawn from a previously identified 20% random sample ( n = 613) of nonprofit hospitals in the United States. Through qualitative review guided by the CHIEF, we identified and categorized the most common evaluation outcomes reported. RESULTS: A total of 485 strategies were identified from the 83 hospitals' CHNAs. Evaluated strategies most frequently targeted behavioral health ( n = 124, 26%), access ( n = 83, 17%), and obesity/nutrition/inactivity ( n = 68, 14%). The most common type of evaluation outcomes reported by CHIEF category included system utilization ( n = 342, 71%), system implementation ( n = 170, 35%), project management ( n = 164, 34%), and social outcomes ( n = 163, 34%). PRACTICE IMPLICATIONS: CHNA evaluation strategies focus on utilization (the number of individuals served), with few focusing on social or health outcomes. This represents a missed opportunity to (a) assess the social and health impacts across individual strategies and (b) provide insight that can be used to inform the allocation of limited resources to maximize the impact of community benefit strategies.

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)0,415
score de la tête « metaresearch » (Gemma)0,407
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,415
Score d'incertitude au seuil0,721

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4150,407
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0150,010
Études des sciences et des technologies0,0100,046
Communication savante0,0230,031
Science ouverte0,0050,020
Intégrité de la recherche0,0070,014
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,719
Tête enseignante GPT0,698
Écart entre enseignants0,022 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Care Management ReviewMême sujetHealth Policy Implementation ScienceTravaux en français237 207