A feasibility study of the Illuminate 360o approach for monitoring the implementation of a health system innovation
Notice bibliographique
Résumé
Context: Health system innovations aimed at improving healthcare access are complex interventions that can have unintended consequences; hence the need for near real-time evaluation approaches which capture evolving contexts and impacts. This need became apparent with the initiation of the Alberta Surgical Initiative’s Facilitated Access to Specialized Treatment (FAST). Objectives: We explored how to design a system to provide near real-time feedback on context and impacts to inform health system innovations; and how to operationalize data collection across diverse patient populations and providers. Setting: Alberta, Canada from May 2022 to October 2023. Study Design and Analysis: We used a mixed-method complexity-informed methodology. We codesigned two online data collection instruments with patients and providers to run concurrently using the Cognitive Edge SenseMaker® tool. We utilized theoretical constructs of salutogenesis – manageability, meaningfulness, and coherence; and resilience. We employed diverse strategies to solicit respondent participation in clinics, provider networks, community and, social media. Participants provided short reflections about their surgical journey or referral experiences, along with elaborations in quantitative categories. We used web analytics to observe the effects of different recruitment strategies. We examined types of patient and provider experiences, impacts and context with the FAST innovation by filtering the linked qualitative and quantitative responses. Results: We generated a diagrammatic representation of the Illuminate 360o approach for monitoring and adapting complex health system innovations. Examples of the types of information that can be collected by this approach included micro-narratives about patient and provider experiences which are linked with quantitative elaborations through multiple choice questions (categorical data), dyads (continuous data), and ternary plots (compositional data). Conclusions: This study is the first of its kind in applying complexity methodology to the pressing challenges of generating near real-time information to support the roll-out and ongoing optimization of a complex intervention in healthcare. There is inherent value in strategies to collect ongoing information to understand evolving contexts and impacts of complex interventions in order to adapt them to desired end-state outcomes and generate timely insights to inform healthcare improvement.
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 | 0,054 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».