Avaliando a difusão de tecnologias médicas no sistema de saúde privado no Brasil: o caso da tomografia por emissão de pósitrons (PET)
Notice bibliographique
Résumé
OBJETIVOS: analisar os determinantes da difusão da tomografia por emissão de pósitrons (PET) em um conjunto selecionado de prestadores de serviços e operadoras de planos de saúde no Brasil. MÉTODOS: estudo de caso qualitativo, com coleta de dados realizada por meio de entrevistas em profundidade (N=9) com representantes de quatro prestadores de serviços de saúde privados e três operadoras de planos de saúde. RESULTADOS: as decisões para aquisição da tecnologia estudada são tomadas por dirigentes de hospitais e clínicas que adotam uma estratégia de diferenciação baseada em liderança tecnológica. Os fatores que influenciam essa decisão são: histórico de pioneirismo da instituição na incorporação de tecnologias; pressão do corpo clínico vinculado à instituição; prestígio do médico ou da área demandante; disponibilidade de recursos financeiros; acesso facilitado à tecnologia; concorrência entre os prestadores de serviços de saúde; evidências científicas; e rentabilidade do investimento. CONCLUSÕES: os atuais instrumentos de política usados para gerenciar a difusão de tecnologias médicas no sistema de saúde brasileiro exercem pouca influência nas decisões de grandes prestadores privados, cujas atividades não estão necessariamente relacionadas com as necessidades de saúde da população ou com as prioridades da política de saúde.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».