OP51 Strategies For Training Laypeople To Participate In Health Technology Assessment: A Scoping Review
Notice bibliographique
Résumé
Introduction This study aimed to map strategies for educating laypeople about health technology assessment (HTA). Although integrating community is challenging, the engagement of patients/public in the processes of HTA has garnered support and endorsement from international network agencies. Dissemination of information, educational empowerment, and training are vital to give individuals capacity to partake in the intricate web of processes actively. Methods This review considered studies addressing educative strategies to train laypeople on HTA, additionally mapping and summarizing relevant methodological papers from any international HTA agency. Four databases were searched for qualitative, quantitative, and mixed methods study designs. The grey literature search included policy and practice documents from HTA and health organization websites. Two reviewers independently completed title and abstract screening before the full-text review and data extraction. Results The main contributors to the production of knowledge about educating laypeople in HTA were the United Kingdom (40%), Spain (20%), and Canada (13%). Most studies included were conducted in the context of the United Kingdom (27%), followed by Spain (20%), and international networks context (20%). The main strategies included conference-like events (21%), the production of educational materials (18%), training (11%), and the use of plain language (8%). Furthermore, international HTA and health agencies have offered courses, and online training produced and made available online guidance materials for increasing laypeople’s participation in the HTA process. Conclusions Despite the global efforts to educate laypeople on HTA, jurisdictional variations underscore the need for a more inclusive approach. Strategies like events, educational material production, training, and clear-language use offer diverse avenues for public engagement. International agencies’ commitment to courses, online training, and guidance reflects a collective effort to enhance public involvement.
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 | 0,049 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,036 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».