Institutional Voids in the Governance of Digital Health: An Umbrella Review
Notice bibliographique
Résumé
Digital technologies rapidly evolve in public health, potentially transforming healthcare systems. However, there are yet significant challenges necessitating a governance framework to effectively guide policy, practice, and research in this emerging field. This article examines the emergence of the digital health field through the lens of institutional theory and identifies institutional voids in digital health governance based on the research conducted to date. Institutional voids are structural and behavioral gaps in the relationships among various actors that a single entity cannot solely address. Establishing a robust institutional field relies on recognizing and addressing these voids. We conducted an “umbrella review”— an overview of reviews—to qualitatively synthesize multiple review papers on the topic and comprehensively summarize the available evidence. We searched peer-reviewed sources indexed on Google Scholar, Scopus, PubMed, and MEDLINE using keywords relevant to the research question, covering the period from 2014 to 2024. We finally selected 45 review articles and inductively analyzed them to identify institutional voids in digital health governance. 26 primary concepts were extracted from the articles and categorized into nine themes. The proposed framework for institutional voids in digital health governance consists of nine dimensions: collective action, legitimacy and trust, logic and discourse, research and development, regulation, bridging and brokering, technical infrastructure, data governance, and funding and insurance. This research serves as a guide for policymakers and other stakeholders in digital health for the sustainable development of the field. Additionally, we identified critical research gaps that have yet to be explored through empirical studies.
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 | 0,021 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,024 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».