RADAR-ES: A Methodological Framework for Conducting Environmental Scans in Health Services Delivery Research
Notice bibliographique
Résumé
Aim: To propose a methodological framework for conceptualizing, planning, and implementing an environmental scan (ES) in health services delivery research (HSDR). Background: An ES is a methodological approach employed to examine a range of practices, policies, issues, programs, technologies, trends, and opportunities from a variety of data sources to inform program or policy development. Despite the wide use of ESs in health care to inform decision-making, a lack of methodological guidance exists to support researchers in planning and conducting an ES in HSDR. Methods: Adapting McMeekin et al’s process for developing methodological frameworks, we identified literature that described approaches to planning and conducting ESs in addition to exemplar articles that featured ESs in HSDR. We integrated original research findings and synthesized data from all sources to generate an evidence-informed methodological framework. Results: We developed RADAR-ES that consists of 5 phases and is informed by 4 guiding principles: (1) R ecognizing the Issue; (2) A ssessing Factors for ES; (3) D eveloping an ES Protocol; (4) A cquiring and Analyzing the Data; and (5) R eporting the Results. Conclusion: RADAR-ES will provide comprehensive guidance for researchers and health services stakeholders who plan and conduct ESs in HSDR.
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 | 0,672 | 0,532 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,023 | 0,020 |
| Études des sciences et des technologies | 0,008 | 0,025 |
| Communication savante | 0,016 | 0,015 |
| Science ouverte | 0,010 | 0,018 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».