DiScO: novel rapid systems mapping to inform digital transformation of health systems
Notice bibliographique
Résumé
Background: Global health systems are confronting challenges that intersect climate change with evolving communicable and non-communicable public health risks. Addressing these challenges requires systems integration via citizen big data that exist outside health systems. However, systems integration across jurisdictions is a complex challenge that requires stakeholder input. This study's purpose was to conduct rapid systems mapping with international health system stakeholders to inform the development and implementation of a global digital citizen science observatory (DiScO), which aims to catalyze digital transformation of health systems across jurisdictions. Methods: A rapid qualitative systems mapping study was conducted during the International Society for Behavioral Nutrition and Physical Activity Annual Global Summit in Uppsala, Sweden, in June 2023. The choice of the venue and approach was informed by three key criteria: (1) Established evidence linking physical activity and nutrition with non-communicable diseases; (2) Concrete existing methods of obtaining citizen big data by physical activity and nutrition researchers; (3) Precedence of physical activity and nutrition researchers conducting citizen science as well behavioral/clinical big data collection. The design of this study was an innovative pre-post systems map development, which consisted of (1) real-time rapid systems mapping (pre/initial map) by engaging with international stakeholders and (2) adjustment of the real-time systems map (post/final map) after analyzing stakeholder discussion data. Results: Rapid systems mapping resulted in a complex network that included key themes to successfully develop and implement DiScO: priorities, opportunities, risks, challenges, partnerships, and resources. Additionally, a new theme emerged organically through stakeholder group discussions - mitigation strategies. The adapted rapid systems map (i.e., after data analyses) depicts 23 key nodes of intervention across the seven key themes. Conclusion: Rapid systems mapping at international symposia is a novel methodological approach to capture stakeholder input, particularly to understand complexity across international jurisdictions - an approach that can be replicated across disciplines and sectors to inform digital transformation of health systems. The development and implementation of DiScO, a platform for decentralization and democratization of technology, will take into consideration all the key nodes of intervention identified in the rapid systems map to promote digital health for equity across global jurisdictions.
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 | 0,025 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,003 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».