Les défis de l’évaluation et de l’innovation en soins primaires : un pilote utilisant une approche multidimensionnelle délibérative pour explorer les arguments de valeur et les pistes potentielles de diffusion de dix innovations
Bibliographic record
Abstract
Contexte : La pression croissante sur les soins primaires nécessite de développer des approches adaptées pour apprécier la valeur des innovations dans ce domaine et identifier les conditions favorables à leur diffusion, ce qui peut s'avérer difficile, puisque ces innovations sont souvent complexes et de nature organisationnelle. Objectifs : Explorer les arguments de valeur de 10 innovations identifiées comme prometteuses lors des symposiums sur les innovations du Collège québécois des médecins de famille et proposer des pistes pour leur bonification et diffusion. Méthodes : Approche délibérative multidimensionnelle avec un panel diversifié de 12 cliniciens, gestionnaires, patients et citoyens. À partir de données synthétisées par dimension, chaque participant a apprécié le potentiel de valeur des innovations par un score et des arguments justificatifs pour chaque dimension individuellement et suite à une délibération. Le potentiel de valeur moyen a été calculé par innovation, les arguments ont fait l’objet d’une synthèse qualitative. Ces résultats ont informé une seconde délibération visant à identifier des pistes d’amélioration et diffusion qui ont été organisées par analyse thématique. Résultats : Les innovations d’adaptation de l'organisation des soins aux populations vulnérables ont été considérées comme ayant le plus grand potentiel de valeur dans l’ensemble. Les innovations visant l’optimisation des processus cliniques et d’amélioration continue ont reçu des appréciations plus variables. 460 pistes ont été classées en six catégories : objectifs, modalités d’accès, fonctionnement, impacts, gouvernance et contexte externe. Conclusions : L’exploration du potentiel de valeur d’innovations complexes avec une approche délibérative multidimensionnelle permet d’identifier, pour certaines catégories d’innovations en soins primaires, des arguments de valeur communs, et facilite l’identification de pistes d’amélioration et diffusion.
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 | 0.377 | 0.532 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.007 | 0.016 |
| Scholarly communication | 0.024 | 0.020 |
| Open science | 0.004 | 0.015 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.011 | 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".