Avoidable Mortality in the United States and Canada, 1980–1996
Notice bibliographique
Résumé
A number of measures are currently used to evaluate health care performance for populations. Most measures focus on components of economic efficiency, medical efficacy, social acceptability, and organizational structure.1–4 Because of a lack of relevant data, health care outcomes are infrequently evaluated. Also, the relationship between health outcomes and health care is often obscured by various genetic, social, and environmental factors that, in addition to health care, influence health outcomes.5 Available evaluations of health care outcomes are usually focused on hospital or physician performance, as opposed to population health or entire health care systems. In 1976, Rutstein et al. proposed “avoidable mortality” as a simple and practical population-based method of counting “untimely and unnecessary deaths” from diseases for which effective public health and medical interventions are available.6 An excess of such deaths could be viewed as a signal of possible shortcomings in the health care system that warranted further investigation. For a sentinel disease to be defined as avoidable, there must be identifiable, effective interventions and available health care providers. Use of the avoidable mortality measure became common in Europe following refinements in the original Rutstein et al. disease groups by Charlton in the disease groups by Charlton et al.7 and subsequently the European Community Concerted Action Project on Health Services and “avoidable mortality” (ECCAP).8 In this study we examined avoidable mortality in the United States and Canada from 1980 to 1996. We postulated that there may be differences in avoidable mortality between the 2 countries, and that, if differences existed, avoidable mortality might be a useful population-based outcome measure that would encourage further evaluation and improvement of health care systems.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».