Health technology assessment for digital health technologies
Notice bibliographique
Résumé
Health technology assessment (HTA) frameworks used for making public funding decisions on digital health technologies (DHTs) have not been informed by large stakeholder preference studies and rarely cover all nine domains of the widely used EUnetHTA “Core Model”. Our aim was to develop a literature-informed and stakeholder-prioritised checklist of DHT-specific considerations for DHTs that manage chronic disease that extends an internationally established HTA framework. We conducted two systematic reviews to identify: (i) DHT evaluation frameworks and (ii) primary research on DHTs published until 20 March 2020. Stakeholder prioritisation of issues was performed using a best-worst preference study among a broad cross-section of patients, carers, health professionals, and the general population in Australia, Canada, New Zealand, and the UK. Systematic review issues were prioritised and adapted for use as a practical checklist. DHT evaluation content was recommended by 44 identified frameworks for 28 of the 145 issues in the Core Model and for 22 new DHT-specific issues. A coverage assessment of 112 clinical studies of remote treatment and self-management DHTs for patients with cardiovascular disease or diabetes revealed that less than half covered DHT-specific content in all but one domain, or traditional HTA content in clinical effectiveness and ethical analysis. The preference survey of 1,251 stakeholders identified broad agreement on the 12 most important DHT attributes, six of which were related to safety. The most important attribute was “helps health professionals respond quickly when changes in patient care are needed”, which is not a focus of existing DHT HTA frameworks. Using the thesis-developed checklist in conjunction with the Core Model can enable users to perform a DHT-specific and comprehensive HTA on DHTs that manage chronic disease and can assist primary researchers to collect appropriate data to inform this HTA.
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 | 0,115 | 0,351 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,020 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,006 |
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 ».