Improving the quality of health services in developing countries: lessons for the West
Notice bibliographique
Résumé
The West can learn from the experiences of developing countries on improving quality and safety. Quality methods used in health care have been developed in Western health systems. Here there is a growing awareness of the waste and risks caused by problems rooted in systems of care which are not well organised. Governments and others are making resources available to address these problems, and this is being seen as a necessary investment to save money and unnecessary patient suffering. In contrast, in lower income countries the development and quality of health services is severely limited by lack of resources and knowledge about quality methods. Despite these differences, however, lower income countries increasingly recognise the value of quality methods and the need to raise the quality of their services. Many are making more use of quality methods, but the traffic is not one way—the West can also learn from their experiences of improving quality and safety. It is worth remembering that quality methods were first developed and put into widespread use in Japan after the Second World War—a country with few resources—and then re-imported into the West. This editorial considers some of the challenges in applying and adapting quality methods in these countries, as well as the potential for testing and developing more cost effective methods, some of which may be valuable for Western health care. There are severe limitations to health care in most developing countries. One perhaps extreme example from a current programme in a low income Arabic country is presented here. The average spend on public health care per head of population is $6 a year, and it is falling every year. Although there are many health facilities, the services are unevenly distributed and there is a lack of many essential drugs (despite various programmes to solve this …
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 | 0,014 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,010 | 0,020 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».