Evidence Use at the Regional Health Agency of Ile‐de‐France: Analysis of Practices, Obstacles, and Needs
Notice bibliographique
Résumé
ABSTRACT Professionals and decision‐makers in regional or local administrations often face time and resource constraints that hinder evidence‐based decision‐making. This article examines the practices, obstacles, and needs relating to evidence use within the Regional Health Agency of Ile‐de‐France, a decentralized agency of the French Ministry of Health and Access to Care. We used a mixed‐methods action research approach, including an online questionnaire completed by 60 agents. In addition, we conducted 27 semi‐structured interviews with certain staff members. We also conducted an exploratory group interview with three documentalists. The results of the structural equation models show that agents' skills in accessing evidence, institutional support and being a project leader were correlated with evidence use in decision‐making 89% ( p = 0.009), 35% ( p < 0.001), and 48% ( p = 0.031) respectively. Respondents reported having skills in identifying and accessing experiential (84.1%, p = 0.007), contextual (84.8%, p = 0.002), and scientific (73.6%, p = 0.486) knowledge. In addition, 79.5% ( p = 0.274) of respondents stated they felt competent in assessing the reliability and relevance of evidence to inform their decision‐making. Although the quantitative results show that respondents generally declared moderate to moderately high levels of competence in accessing and assessing the quality and reliability of evidence, the qualitative analysis highlights partial discrepancies. Several agents mentioned lacking the necessary skills to access and evaluate evidence effectively. This discrepancy can be explained by several factors, including a subjective overestimation of respondents' ‘competence’ in the closed‐ended questionnaires, resulting in an overall positive self‐perception, as well as obstacles to identifying and accessing scientific knowledge (language barrier), difficulties in accessing paid scientific journals, lack of time on the part of agents, and work overload. These findings highlight a disconnect between agents' perceived competence and actual capabilities in accessing and evaluating evidence. It is therefore essential to go beyond simple self‐reported measurement by using mixed‐method approaches to understand better the complexity of the factors that influence the use of evidence in decision‐making in public health agencies. Building an evidence ecosystem in decentralized organizations could lead to better‐informed policies, reduced social inequality in health, and improved resource allocation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».