MétaCan
Menu
Retour à la cohorte
Enregistrement W4404045555 · doi:10.1017/s0266462324000345

Health technology assessment for digital health Technologies in India: a framework for action

2024· article· en· W4404045555 sur OpenAlexfundno aff
Denny John, A. Majumdar, Rakesh N Pillai, Sajda Khatoon, Paramita Bhattacharya, Nirmalya Mukherjee, Jaideep Menon, K Pavithran, Anand Kumar, Mihajlo Jakovljević

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesHealth Technology Assessment international
Mots-clésAction (physics)Health technologyDigital healthMedicinePolitical scienceHealth care

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The aim of this study is to understand the path for establishing digital health technologies-health technology assessment (DHT-HTA) in India. METHODS: A rapid review of HTA and DHT frameworks on PubMed (MEDLINE) and Google Scholar was conducted to identify DHT-HTA guidelines, and HTA processes in India. MS-Excel template was created with key domains for assessing DHT in resource-constrained settings based on studies and reports identified. Responses received from seventeen experts with varying expertise in DHT, HTA, clinical, and research were contacted using an online form. Following the principles of qualitative research rooted on grounded theory approach, themes and domains were derived for a framework which was again circulated through participants. Weightage for each theme was assigned based on the frequency of responses and qualifiers were used to interpret results. Inductively derived themes from these responses were clubbed together to identify macro-level systems requirements, and finally pre-requisites for setting up DHT-HTA framework was synthesized. RESULTS: HT are commonly perceived by experts (64.7 percent participants) as a technology strictly connected to health information. Real-world data (i.e., electronic health data) are recognized as a relevant tool in support of decision-making for clinical and managerial levels. Experts identified some pre-requisites for the establishment of DHT-HTA in the country in terms of infrastructure, contextual factors, training, finance, data security, and scale-up. CONCLUSION: Our research not only identified the pre-requisites for the adoption of a DHT-HTA framework for India, but confirmed the need to address DHT-HTA's acceptability among. Hospitals and health insurance providers.

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)0,099
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · 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 enseignants0,901
Score d'incertitude au seuil0,526

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0990,039
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0090,007
Études des sciences et des technologies0,0110,043
Communication savante0,0300,021
Science ouverte0,0060,025
Intégrité de la recherche0,0120,015
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,049
Tête enseignante GPT0,544
Écart entre enseignants0,495 · 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'étudeThéorique ou conceptuel
DomaineÉvaluation
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetElectronic Health Records SystemsTravaux en français237 207