Roles and Responsibilities of the Global Specialist Digital Health Workforce: Analysis of Global Census Data
Notice bibliographique
Résumé
Background: The Global Specialist Digital Health Workforce Census is the largest workforce survey of the specialist roles that support the development, use, management, and governance of health data, health information, health knowledge, and health technology. Objective: This paper aims to present an analysis of the roles and functions reported by respondents in the 2023 census. Methods: The 2023 census was deployed using Qualtrics and was open from July 1 to August 13, 2023. A broad definition was provided to guide respondents about who is in the specialist digital health workforce. Anyone who self-identifies as being part of this workforce could undertake the survey. The data was analyzed using descriptive statistical analysis and thematic analysis of the functions respondents reported in their roles. Results: A total of 1103 respondents completed the census, with data reported about their demographic information and their roles. The majority of respondents lived in Australia (n=870, 78.9%) or New Zealand (n=130, 11.8%), with most (n=620, 56.3%) aged 35-54 years and identifying as female (n=720, 65.3%). The top four occupational specialties were health informatics (n=179, 20.2%), health information management (n=175, 19.8%), health information technology (n=128, 14.4%), and health librarianship (n=104, 11.7%). Nearly all (n=797, 90%) participants identified as a manager or professional. Less than half (430/1019, 42.2%) had a formal qualification in a specialist digital health area, and only one-quarter (244/938, 26%) held a credential in a digital health area. While two-thirds (502/763, 65.7%) reported undertaking professional development in the last year, most were self-directed activities, such as seeking information or consuming online content. Work undertaken by specialist digital health workers could be classified as either leadership, functional, occupational, or technological. Conclusions: Future specialist digital health workforce capability frameworks should include the aspects of leadership, function, occupation, and technology. This largely unqualified workforce is undertaking little formal professional development to upskill them to continue to support the safe delivery and management of health and care through the use of digital data and technology.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».