Comparative Efficiency Assessment of Primary Care Models Using Data Envelopment Analysis
Notice bibliographique
Résumé
This paper compares the productive efficiencies of four models of primary care service delivery in Ontario, Canada, using the data envelopment analysis (DEA) method. Particular care is taken to include quality of service as part of our output measure. The influence of the delivery model on productive efficiency is disentangled from patient characteristics using regression analysis. Significant differences are found in the efficiency scores across models and within each model. In general, the fee-for-service arrangement ranks the highest and the community-health-centre model the lowest in efficiency scoring. The reliance of our input measures on costs and number of patients, clearly favours the fee-for-service model. Patient characteristics contribute little to explaining differences in the efficiency ranking across the models. / Cet article compare l’efficience productive dans quatre modèles de prestation de soins primaires en Ontario, au Canada, en utilisant la méthodologie du DEA (Data Envelopement Analysis). Une attention particulière a été portée sur l’inclusion la qualité du service de soin santé dans la mesure de l’extrant (output). L'influence du modèle de prestation sur l'efficience productive a été séparée des caractéristiques du patient en utilisant une analyse de régression. Des différences significatives ont été trouvées dans l'efficience entre modèles et à l’intérieur de chaque modèle. En général, les arrangements avec services-payants arrivent en tête, alors que les modèles de centre de santé communautaire performent le moins en termes d’efficience. Le recours au coût et au nombre de patients comme mesure de l’intrant est nettement favorable au modèle avec services-payants. Les caractéristiques du patient contribuent peu à expliquer les différences dans le classement de l'efficience entre les modèles.
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 | 0,018 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».