MétaCan
Menu
Retour à la cohorte
Enregistrement W2061894294 · doi:10.1071/ah020052

The effects of increased market competition on hospital services in Shandong and Henan Provinces

2002· article· en· W2061894294 sur OpenAlexaff
Ian Forbes, Don Hindle, Pieter Degeling, Kai Zhang, Lingzhong Xu, Qingyue Meng, Jian Wang

Notice bibliographique

RevueAustralian Health Review · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)Government (linguistics)BusinessProductivityRevenueSustainabilityPublic economicsEconomic growthFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

The Chinese government began a major reform of the hospital sector in the early 1980s. The main aim was to increase productivity by phasing out prospective global budgets from the government, and encouraging between-hospital competition for the business of user-pay and insured patients. This goal was to be achieved without unreasonable prejudice to the financial sustainability of hospitals or to the fairness of access and service provision. We explored the effects of these changes by analysing data for four levels of hospital in two of the most populous provinces between 1985 and 1999. We used data envelope analysis, and found that the majority of hospitals experienced a decline in productivity. Social efficiency (measured by the level of provision of unnecessary services) also declined, especially in the largest hospitals that could easily increase the use of expensive technologies. Most hospitals increased their economic sustainability, measured as the ratio between revenue and expenditures. However, the lowest-level hospitals experienced stable or reduced sustainability due to their inability to compete with marketing by higher-level hospitals. We conclude that, although there were many benefits, the overall impact of the introduction of market forces may have been negative. An important factor was that not all aspects (such as supplier-induced demand) were adequately controlled by government agencies. We suggest ways of alleviating the most problematic elements of current arrangements.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,281
Écart entre enseignants0,246 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Health ReviewMême sujetHealthcare Policy and ManagementTravaux en français237 207