MétaCan
Menu
Retour à la cohorte
Enregistrement W1532364917 · doi:10.3126/hprospect.v14i1.13036

Learning from health care in other countries: the prospect of comparative research

2015· article· en· W1532364917 sur OpenAlexaff
Edwin van Teijlingen, Cecilia Benoit, Ivy Lynn Bourgeault, Raymond De Vries, Jane Sandall, Sirpa Wrede

Notice bibliographique

RevueHealth Prospect · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueChild and Adolescent Health
Établissements canadiensUniversity of OttawaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Health carePublic relationsPublic healthHealth policyPolitical scienceEconomic growthSociologyMedicineNursingEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

It is widely accepted that policy-makers (in Nepal and elsewhere) can learn valuable lessons from the way other countries run their health and social services. We highlight some of the specific contributions the discipline of sociology can make to cross-national comparative research in the public health field. Sociologists call attention to often unnoticed social and cultural factors that influence the way national reproductive health care systems are created and operated. In this paper we address questions such as: ‘Why do these health services appear to be operating successfully in one country, but not another?’; ‘What is it in one country that makes a particular public health intervention successful and how is the cultural context different in a neighbouring country?’ The key examples in this paper focus on maternity care and sex education in the Netherlands and the UK, as examples to highlight the power of cross-national research. Our key messages are: a) Cross-national comparative research can help us to understand the design and running of health services in one country, say Nepal, by learning from a comparison with other countries, for example Sri Lanka or India. b) Cultural factors unique to a country affect the way that reproductive health care systems operate. c) Therefore,we need to understand why and how services work in a certain cultural context before we start trying to implement them in another cultural context.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,284
Tête enseignante GPT0,548
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth ProspectMême sujetChild and Adolescent HealthTravaux en français237 207