Celebrating 30 years of the international network of agencies for health technology assessment (INAHTA)
Notice bibliographique
Résumé
It is not often that international collaborations are sustained for any significant period, let alone for three decades. However, despite relying on largely voluntary contributions of individuals within its member institutions, the International Network of Agencies for Health Technology Assessment (INAHTA) has not only been an example of sustained collaboration over 30 years but also an example of how an initially modest collaboration can grow and thrive. Current and former serving Chairs and secretariat of the Network have come together to review network documents and outputs and reflect on the history of INAHTA, since its inception in Paris in 1993. Building on the paper from Hailey et al 2009 that documented the growth of the network after 15 years, we have considered and documented the factors that we believe have helped sustain the network and enable it to flourish in the subsequent 15 years. We have also considered the various challenges experienced along the way, as these too can aid in making a collaboration stronger. Future directions for the network have also been contemplated, given the evolving nature of HTA and the regional collaborations that have recently emerged. We hope that by sharing the lessons learned from this living example of international global collaboration relationships between like-minded organizations can be similarly fostered and enhanced into sustainable collaborations, for the benefit of all.
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 | 0,023 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,013 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».