MétaCan
Menu
Retour à la cohorte
Enregistrement W4407108562 · doi:10.12688/hrbopenres.14062.1

Process Evaluation of a Rapid Evidence Support System Assessment of Ireland’s Department of Health – A Protocol

2025· preprint· en· W4407108562 sur OpenAlexaff
Marie Tierney, Barbara Whelan, Nikita N. Burke, Caitriona M. Creely, Catherine H. Gill, Mary Horgan, John N. Lavis, Teresa Maguire, John O’Neill, Elaine Toomey, Kerry Waddell, Declan Devane

Notice bibliographique

RevueHRB Open Research · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster University
Organismes subventionnairesPublic Health AgencyHealth Research Board
Mots-clésProtocol (science)Process (computing)Process managementComputer sciencePolitical scienceBusinessMedicineOperating systemAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Background The Rapid Evidence Support System Assessment (RESSA) was developed by the Global Evidence Commission to evaluate evidence support systems that inform policy decisions. These systems are designed to contextualize existing evidence, guide decision-making, and generate new insights to inform action. As evidence-informed policymaking gains traction globally, it is essential to evaluate these systems’ effectiveness. In Ireland, the Health Research Board, the Department of Health, Evidence Synthesis Ireland, Cochrane Ireland, and the Global Evidence Commission are collaborating to conduct a RESSA within the Department of Health. This process evaluation aims to assess the fidelity, acceptability, and experiences of stakeholders involved in the RESSA, providing insights for refining the methodology. Methods The process evaluation will employ a mixed methods approach, integrating both qualitative and quantitative data collection. It will evaluate the conduct of a RESSA within the Department of Health. Fidelity assessment will examine adherence to the RESSA protocol, while acceptability will be evaluated using the Theoretical Framework of Acceptability, focusing on key stakeholders' attitudes. An exploration of the experiences of participants, capturing both facilitators and barriers to the RESSA’s success will also be conducted. Data analysis will involve thematic analysis and descriptive statistics, aiming to highlight the RESSA’s methodological strengths and areas for improvement. Conclusions This evaluation is expected to provide critical insights into the strengths and limitations of the RESSA methodology, with implications for evidence-informed policymaking. Findings will offer recommendations to enhance the robustness and applicability of the RESSA in Ireland and beyond. Dissemination will include academic publications and reports, contributing to the broader understanding of effective evidence support systems. This process evaluation aims to inform future RESSAs and strengthen the evidence support framework, ensuring better-informed policy decisions at local, national, and international levels.

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)0,468
score de la tête « metaresearch » (Gemma)0,547
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil0,656

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4680,547
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0030,006
Bibliométrie0,0070,006
Études des sciences et des technologies0,0070,005
Communication savante0,0120,008
Science ouverte0,0060,009
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0480,012

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 Opus0,946
Tête enseignante GPT0,848
Écart entre enseignants0,098 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineÉvaluation
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHRB Open ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207