PD156 Scanning The Right Horizons: Does Singapore’s Horizon Scanning Identify And Assess The Relevant Technologies?
Notice bibliographique
Résumé
Introduction In Singapore, a horizon scanning (HS) system was established in 2020 by the Agency for Care Effectiveness (ACE) to provide early alerts of new and emerging medical technologies (medtechs) for service planning and to warn against the diffusion of low value technologies. This study compared the medtechs identified and assessed by ACE with health technology trends identified by our reference agency. Methods Medtechs identified and assessed by ACE between 2020 and 2023 were analyzed to examine their distribution. Most of the identified medtechs were classified as digital health technologies, precision medicine, robotics, or implants. The prioritized technologies with a completed in-depth assessment were compared with the top 10 health technology trends identified in 2022 by our reference health technology assessment (HTA) agency, the Canadian Agency for Drugs and Technologies in Health (CADTH). Additionally, feedback from key stakeholders such as clinicians and policymakers on the HS reports was summarized to understand the relevance and value of the HS reports. Results From 2020 to 2023, there were 1,703 medtechs identified from various databases and manufacturer submissions. Digital health technologies were the largest proportion of technologies identified during this period, increasing from 26 percent in 2020 to 31 percent in 2023. Of the 20 evaluated technologies, 70 percent belonged to the top trending medtech fields identified by CADTH. These included artificial intelligence for diagnostics (n=5), point-of-care testing (n=4), companion diagnostics (n=2), wearables (n=2), and remote monitoring (n=1). Initial stakeholder feedback was positive, citing HS reports as being relevant for clinical practice. Some HS reports were also referenced by other policymakers to support regulatory decisions. Conclusions In summary, similarities were observed between medtechs identified and assessed by the ACE HS system and the top trending medtech fields identified by CADTH. Additionally, digital health technologies were the largest proportion of technologies identified by the ACE HS system in 2023. This was substantiated by feedback from our key stakeholders, indicating the relevance and value of the ACE HS work.
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 | 0,011 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».