Reductions of Budgets, Staffing, and Programs Among Local Health Departments
Notice bibliographique
Résumé
OBJECTIVES: To provide an overview of budget cuts, job losses, and program reductions among local health departments (LHDs) and to examine the association between LHD infrastructure characteristics and the likelihood of budget cuts. DESIGN: Data from 4 waves of the economic surveillance survey (July-August 2009, September-November 2010, January-February 2012, and January-March 2013) conducted by the National Association of County & City Health Officials were analyzed to assess cuts to budgets, jobs, and programs since 2009. Data from the 2013 National Profile of Local Health Departments survey were used to assess the infrastructural characteristics associated with budget cuts. RESULTS: When asked in early 2013, more than a quarter of LHDs (26.9%) reported a reduced budget, continuing the trend of a substantial proportion of LHDs experiencing financial hardship in recent years. The percentages of LHDs that made cuts to programmatic areas fluctuated from year to year but have never been lower than 40%. Maternal and child health services were among areas most often cut during all 4 time points of the survey. Governance type, total expenditures, and percentage of revenues from local sources were significantly associated with LHD budget cuts. CONCLUSIONS: Cuts in LHD budgets, staff, and activities have been widespread for a period that lasted long after the official end of the Great Recession. There is a great need for substantive and consistent funding to ensure the retention of the workforce and the delivery of essential public health services.
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 | 0,019 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».