Hospital contextual factors affecting the implementation of health technologies: a systematic review
Notice bibliographique
Résumé
Abstract Background To keep a high quality of assistance it is important for hospitals to invest in health technologies (HTs) that have the potential of improving health outcomes. Even though guidance exists on how HTs should be introduced, used and dismissed, there is a surprising gap in literature concerning the awareness of hospitals in the actual utilization of HTs. Methods We performed a systematic literature review of qualitative and quantitative studies aimed at investigating hospital contextual factors that influence the actual utilization of HTs. PubMed, Scopus, Web of Science, Econlit and Ovid Medline electronic databases were searched to retrieve articles published in English and Italian from January 2000 to January 2019. The quality of the included articles was assessed using the Critical Appraisal Skills Programme checklist for qualitative studies, Newcastle-Ottawa Scale for the cross-sectional studies and the Mixed Methods Appraisal Tool for mixed method studies. Results We included 33 articles, which were of moderate to high methodological quality. The included articles mostly addressed the contextual factors that impact the implementation of information and communication technologies (ICTs). Overall, for all HTs, the hospital contextual factors were part of four categories: hospital infrastructure, human resource management, financial resources and leadership styles. Conclusion Our systematic review reported that the contextual factors influencing the HTs utilization at hospital level are mainly explored for ICTs. Several factors should be considered when planning the implementation of a new HTs at hospital level. A potential publication bias might be present in our work, since we included articles published only in English and Italian Language, from January 2000 to January 2019. There remains a gap in the literature on the facilitators and barriers influencing the implementation and concrete utilization of medical and surgical HTs, suggesting the need for further studies for a better understanding.
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 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».