A systematic review and meta-analysis of studies comparing mortality rates of private for-profit and private not-for-profit hospitals.
Notice bibliographique
Résumé
BACKGROUND: Canadians are engaged in an intense debate about the relative merits of private for-profit versus private not-for-profit health care delivery. To inform this debate, we undertook a systematic review and meta-analysis of studies comparing the mortality rates of private for-profit hospitals and those of private not-for-profit hospitals. METHODS: We identified studies through an electronic search of 11 bibliographical databases, our own files, consultation with experts, reference lists, PubMed and SciSearch. We masked the study results before determining study eligibility. Our eligibility criteria included observational studies or randomized controlled trials that compared private for-profit and private not-for-profit hospitals. We excluded studies that evaluated mortality rates in hospitals with a particular profit status that subsequently converted to the other profit status. For each study, we calculated a relative risk of mortality for private for-profit hospitals relative to private not-for-profit hospitals and pooled the studies of adult populations that included adjustment for potential confounders (e.g., teaching status, severity of illness) using a random effects model. RESULTS: Fifteen observational studies, involving more than 26 000 hospitals and 38 million patients, fulfilled the eligibility criteria. In the studies of adult populations, with adjustment for potential confounders, private for-profit hospitals were associated with an increased risk of death (relative risk [RR] 1.020, 95% confidence interval [CI] 1.003-1.038; p = 0.02). The one perinatal study with adjustment for potential confounders also showed an increased risk of death in private for-profit hospitals (RR 1.095, 95% CI 1.050-1.141; p < 0.0001). INTERPRETATION: Our meta-analysis suggests that private for-profit ownership of hospitals, in comparison with private not-for-profit ownership, results in a higher risk of death for patients.
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 | 0,031 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,038 |
| Bibliométrie | 0,016 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».