Context Sensitive Health Informatics and the Pandemic Boost:All Systems Go!
Notice bibliographique
Résumé
The COVID-19 pandemic has accelerated the pace at which innovative health technologies are being designed, developed, and implemented. This inevitably presents new risks and challenges, not least, how to ensure that these technologies are appropriate for particular environments. In this sense, ‘environments’ may be people in various roles (e.g. patients, users, designers, evaluators) or non-human constructs such as organizations, work practices, guidelines and protocols, buildings, and markets. This book presents papers from CSHI 2023, the latest in the series of biennial conferences on Context Sensitive Health Informatics, held in Sydney, Australia, on 5 and 6 July 2023. The theme of CSHI 2023 was Context Sensitive Health Informatics and the Pandemic Boost, and the book includes 19 papers and 7 poster abstracts covering a variety of topics. These are divided into 5 sections: clinician perceptions and use of health technologies; workforce development in health informatics; aligning workflows and work systems to health technologies; co-design, equitable evaluation, and sustainable implementation of digital health tools; and big data and information management. The book provides an overview of the latest health information systems and of recent research in the area of context and health information technologies, and will be of interest to all those working in the field of health informatics.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,008 |
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 ».