Assessing healthcare organizations’ readiness to implement a learning health system: questionnaire validation using a Delphi method
Notice bibliographique
Résumé
INTRODUCTION: Adopting a learning health system (LHS) approach holds promise for bridging knowledge between policymakers, health professionals, managers, researchers, and patients and their families to collaboratively improve health care. Organizational readiness assessments exist in the quality improvement literature, but may not consider LHS components. This study aimed to establish the content validity of a new LHS readiness questionnaire. METHODS: A three-round Delphi study was conducted to establish consensus on the importance, relevance, clarity, and comprehensiveness of the domains and items included in this questionnaire. Purposive sampling was used to recruit participants with expertise in LHS who are involved in healthcare organizations across Canada and internationally (n = 41). A minimum of 70% agreement represented consensus. A steering committee reviewed findings and refined items for clarity. Modified items were re-tested in subsequent rounds. RESULTS: In Round 1, 85 items were tested, of which 41 achieved consensus, 7 were removed, 21 underwent major modification, 16 were clarified and retested, and 11 new items were proposed. Round 2 tested 36 items (25 revised, 11 new). 18 items achieved consensus, 8 were removed, and 10 were modified. In Round 3, 10 items were tested, 5 achieved consensus, 1 was removed, and 4 were clarified and included post-expert panel discussion. Overall, 41 items were retained in their original form, 20 were modified, and 7 new items were added. The final measure includes 68 items reflected by four domains: (1) performance to data (n = 13 items), (2) data to knowledge (n = 13 items), (3) knowledge to performance (n = 22 items), and (4) LHS core values (n = 20 items). CONCLUSION: The proposed new measure can help establish organizational readiness for change. Future research should seek to test the psychometric properties of this tool and explore potential barriers to its adoption amongst interested parties.
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 | 0,117 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».