Institutional Health Voids, Learning Myopia, and Counter-Knowledge: Unveiling Blind Spots in Healthcare Decision-Making
Notice bibliographique
Résumé
Abstract This study explores how Institutional Health Voids (IHVs) contribute to the emergence of weak signals, which lead to the spread of counter-knowledge and the formation of blind spots among healthcare stakeholders. Focusing on the Spanish National Health System (SNHS), the research investigates how these voids, characterized by fragmented knowledge and misinformation, hinder effective decision-making and exacerbate crises. The study incorporates the concept of learning myopia, which explains the cognitive limitations in interpreting weak signals, thus reinforcing institutional inefficiencies. The findings suggest that IHVs create gaps in knowledge structures, causing delays in response times and misaligned policies, ultimately compromising the system’s ability to adapt and respond effectively to health challenges. This study reveals that addressing these gaps requires the development of knowledge structures that not only improve transparency but also foster inter-organizational trust and promote adaptive decision-making processes. By linking the theoretical frameworks of institutional voids with knowledge management, the study offers a fresh perspective on the impact of weak signals, counter-knowledge, and blind spots within the healthcare system. The research contributes to the understanding of how these factors shape decision-making and governance in healthcare systems, providing valuable insights for policymakers aiming to improve healthcare management, particularly in times of crisis. This work underscores the importance of strengthening knowledge structures within healthcare systems to enhance resilience, trust, and long-term sustainability. We explicitly adopt a conceptual methodology based on systematic literature review and critical analysis to integrate theories, clarifying how institutional voids shape healthcare decision-making through weak signals and counter-knowledge.
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 | 0,060 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,022 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».