Impacte de la Convocatòria de Recerca Clínica i en Serveis Sanitaris en la presa de decisions informades i la capacitació. Resposta a un qüestionari
Bibliographic record
Abstract
Introduccio Des del 1996 l’Agencia d’Informacio, Avaluacio i Qualitat en Salut (AIAQS) ha gestionat la Convocatoria de Recerca Clinica i en Serveis Sanitaris. Aquesta ha tingut com a objectius omplir buits de coneixement en el nostre context i ajudar a la presa de decisions informades dins del sector sanitari. Amb la voluntat d’avaluar l’acompliment d’aquests objectius i despres d’una decada d’experiencia, l’Agencia ha promogut el projecte ISOR [Impacte Social de la Recerca (http:/impacte.aatrm.net)], per tal d’avaluar l’impacte de la recerca financada en diferents fases. En una primera, es va analitzar un nivell d’impacte, l’avenc del coneixement, identificant beneficis propiament cientifics segons indicadors d’activitat, qualitat, abast i estructura/context. En una segona fase, ha centrat l’atencio en l’impacte relacionat amb la presa de decisions informades, un dels objectius explicits de la Convocatoria, i la capacitacio d’equips i institucions. El present treball aborda una primera aproximacio d’aquest nivell d’impacte que es va completar posteriorment amb una recerca amb mes profunditat. El marc conceptual en que s’emmarca el projecte ISOR es del model CAHS ROI, elaborat pel panel d’experts de la Canadian Academy of Health Science, reconegudament inspirat en el Model Payback de Buxton i Hanney, i similar al model ISOR que presenta l’equip de l’Agencia l’any 2009. Segons el model CAHS ROI, es presenta una interaccio logica entre les diferents fases de la recerca (inputs, throughputs, outputs i outcomes), mostra la interficie entre aquestes fases i captura com els diferents tipus de recerca tenen, a priori, un repartiment especific dels nivells d’impacte esperats (avenc en el coneixement, capacitacio, presa de decisions informades, beneficis en salut i qualitat de vida, i beneficis economics i prosperitat) a traves dels agrupadors de les diferents fases. En el cas de la recerca clinica i en serveis sanitaris, s’esperaria un impacte en la presa de decisions informades en els diferents col·lectius de decisors a qui va adrecada l’aplicabilitat de la recerca, es a dir, professionals clinics, planificadors del sistema sanitari, industries, l’ambit de la recerca, pacients i public en general. D’altra banda, tambe s’esperaria un impacte en la capacitacio individual, d’equips i d’organitzacions associades al sector de la salut. En la Figura 1 es presenta el model logic canadenc, on es descriuen les diferents fases i nivells d’impacte. L’objectiu d’aquest treball va ser analitzar l’impacte de la recerca financada a traves de la Convocatoria de recerca clinica i en serveis sanitaris, i fer una primera aproximacio a l’impacte de la presa de decisions informades en l’ambit clinic i sanitari, i en la capacitacio d’equips i institucions.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.024 | 0.071 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.024 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".