Quality of inpatient care in public and private hospitals in Sri Lanka
Notice bibliographique
Résumé
OBJECTIVE: To compare the quality of inpatient clinical care in public and private hospitals in Sri Lanka. METHODS: A retrospective, cross-sectional comparison was done of inpatient quality, in a sample of 11 public and 10 private hospitals in three of 25 districts. Data were collected for 55 quality indicators from medical records of 2523 public and 1815 private inpatient admissions. These covered treatment of asthma, acute myocardial infarction (AMI), childbirth and five other conditions, along with outcome indicators, and medicine prescribing indicators. RESULTS: Overall quality scores were better in the public sector than the private sector (77 vs 69%). Performance was similar for management of AMI and childbirth and somewhat better in the private sector for management of asthma. The public sector performed better in those indicators that are not constrained by resources (94 vs 81%), but worse in indicators that are highly resource intensive (10 vs 31%). Quality was comparable in assessment and investigation, but the public sector performed better in treatment and management (70 vs 62%) and drug prescribing (68 vs 60%), and modestly worse in terms of outcomes (92 vs 97%). CONCLUSIONS: For a range of indicators where comparisons were possible, quality of inpatient clinical care in Sri Lanka was comparable to levels reported from upper-middle income Asian countries, and often approaches that in developed countries, although the findings cannot be generalized. Quality in the public sector is better than in the private sector in many areas, despite spending being substantially less. Quality in public hospitals is resource constrained, and needs greater government investment for improvement, but when resource limitations are not critical, the public sector appears able to deliver equal or better quality than the private sector. Overall similarities in quality between the two sectors suggest the importance of physician training and other factors.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».