Sağlık Teknolojisi Değerlendirmede Çok Kriterli Karar Verme Yaklaşımları Üzerine Bir Derleme Çalışması
Notice bibliographique
Résumé
Sağlık sektöründe yer alan ilaçlar, tıbbi tedavi prosedürleri, tıbbı cihazlar, cerrahi teknikler ve sağlık sistemleri Sağlık Teknolojisi Değerlendirme (STD) kapsamında değerlendirilmektedir. Bu tip sağlık teknolojilerinin çeşitli yönlerden ele alınarak belirlenen kriterler ve istenen hedef doğrultusunda değerlendirilmesinde STD gittikçe popülerleşen bir yöntemdir. Sağlık sektöründe kaynakların kısıtlı olması ve maliyetlerin son yıllarda artış göstermesi, bu sektördeki karar vericileri etkili, güvenilir ve rasyonel adımlar atmaya itmiş ve STD’ye olan ilgiyi artırmıştır. STD’ye olan ilginin artmasıyla beraber kapsamı da çok kriterli ve paydaşlı olacak şekilde genişlemiştir. Çok Kriterli Karar Verme (ÇKKV) yöntemleri birden fazla kriter altında alternatifler arasından en iyi alternatifin seçilmesinde önemli rol oynar. Sağlık sektöründe yaşanan gelişmeler, sağlıkta eniyileme ve kanıta dayalı tıp uygulamalarının yaygınlaşması STD çalışmalarında ÇKKV yöntemlerine olan ilgiyi her geçen gün artırmaktadır. Bu derleme çalışmasında, literatürde son 10 yılda yapılan STD çalışmaları ve ÇKKV yaklaşımlarıyla yapılan STD çalışmaları kapsamlı bir biçimde özetlenmiş ve sınıflandırılmıştır. Ayrıca derleme çalışmasının sonucunda, STD çalışmalarında ÇKKV yöntemlerinin kullanımının 2008 yılından sonra hızlı bir şekilde arttığı gözlemlenmiştir. En sık kullanılan ÇKKV yöntemlerinin ise AHP (Analitik Hiyerarşi Prosesi), EVIDEM (Evidence and Value: Impact on DecisionMaking) ve ağırlıklı çarpım olduğu sonucuna ulaşılmıştır.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,005 |
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 ».