MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400996772 · doi:10.69554/ebxc1495

People, process and technology: A model for digital transformation of healthcare

2022· article· en· W4400996772 sur OpenAlexaff
Harold W. Wolf, Anne Snowdon

Notice bibliographique

RevueManagement in healthcare. · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Transformation (genetics)Health careDigital transformationComputer scienceProcess managementBusinessPolitical scienceWorld Wide WebChemistry

Résumé

récupéré en direct d'OpenAlex

COVID-19 has brought forward unprecedented challenges for healthcare systems worldwide. As healthcare moves into a state of COVID-19 recovery, we must reflect on lessons learned from the COVID-19 pandemic to create a more resilient future. One of the most critical outcomes this pandemic has highlighted, is the role of digital technology and digital health in transforming health care services. We suggest that by focusing on people, processes and technologies, healthcare systems can not only recover from the impact of COVID-19, but also transform healthcare from the traditional disease management system of today into the post pandemic health system of tomorrow, one that is modernised to align with the needs of the populations that health systems serve. Currently, health care systems are predominantly transactional, delivering care focused on disease management to restore health and/or manage acute health conditions. A digital health ecosystem offers a strategy to realise the full health potential of every human everywhere, from the smallest village to the most complex health care environments in health systems. Digital health ecosystems identify and track progress towards health goals, tracking outcomes and health risks at the individual and population level, which informs care approaches that are personalised to people and populations and are focused on mitigating risks in order to support and sustain health and wellness. The sustainability of healthcare systems and the health of global populations will be influenced by the rate of adoption and scalability of digital health. This paper will examine digital health transformation as a strategy to overcome the challenges health systems are facing and to advance the sustainability of health systems globally.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,027
Communication savante0,0210,033
Science ouverte0,0030,011
Intégrité de la recherche0,0070,006
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,244 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement in healthcare.→Même sujetDigital Transformation in Industry→Travaux en français237 207→