Understanding Economic Decision-Making in Digital Therapeutics Development: Qualitative Approach
Notice bibliographique
Résumé
BACKGROUND: Digital therapeutics (DTx) represent a transformative shift in health care delivery, offering software-driven, evidence-based therapeutic interventions. Despite their potential, adoption remains low across health care systems, partly due to insufficient economic evidence. Significant knowledge gaps persist regarding stakeholders' approaches to economic decisions in DTx development, with prior studies also indicating limited consideration of economic factors in early DTx development stages, particularly from researchers. OBJECTIVE: This study investigates how researchers approach decision-making regarding factors that influence the economic impact of DTx during technological development and clinical validation phases, examining the underlying mechanisms and contextual conditions that shape these processes. METHODS: Using a critical realism philosophical stance, 17 semistructured interviews were conducted with researchers involved in DTx development, including research engineers (n=5), health systems and social science researchers (n=6), clinician-researchers (n=4), and practitioner-researchers (n=2). The research approach combined deductive and inductive coding, followed by abductive and retroductive inference processes to identify generative mechanisms underlying observed decision-making patterns. Qualitative system dynamics modeling was applied to visualize causal loop relationships through triangulated data sources. RESULTS: Three interrelated generative mechanisms were identified that shape researchers' decision-making regarding economic considerations: (1) the professional norms, operating through reinforcing loops that systematically prioritize clinical validation while marginalizing economic considerations; (2) the researcher experience, revealing how professional training and limited economic literacy create cognitive biases that obscure economic factors; and (3) the DTx adoption uncertainties, demonstrating how implementation concerns influence development decisions through both reinforcing and balancing feedback loop dynamics. These mechanisms explain why, despite growing recognition of the importance of economic evidence, economic considerations remain peripheral in researchers' decision frameworks. CONCLUSIONS: This study reveals complex interactions between institutional structures, intrapersonal factors, and implementation uncertainties that systematically deprioritize economic considerations in DTx development. The identified mechanisms provide valuable intervention points for strengthening the development process toward a more comprehensive assessment of clinical, technical, and economic value throughout the DTx lifecycle to ultimately enhance their adoption in health care systems.
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 | 0,082 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».