Notice bibliographique
Résumé
OBJECTIVE: Resource allocation in local public health (LPH) has been reported as a significant challenge for practitioners and a Public Health Services and Systems Research priority. Ensuring available resources have maximum impact on community health and maintaining public confidence in the resource allocation process are key challenges. A popular strategy in health care settings to address these challenges is Program Budgeting and Marginal Analysis (PBMA). This case study used PBMA in an LPH setting to examine its appropriateness and utility. DESIGN: The criteria-based resource allocation process PBMA was implemented to guide the development of annual organizational budget in an attempt to maximize the impact of agency resources. Senior leaders and managers were surveyed postimplementation regarding process facilitators, challenges, and successes. SETTING: Canada's largest autonomous LPH agency. RESULTS: PBMA was used to shift 3.4% of the agency budget from lower-impact areas (through 34 specific disinvestments) to higher-impact areas (26 specific reinvestments). Senior leaders and managers validated the process as a useful approach for improving the public health impact of agency resources. However, they also reported the process may have decreased frontline staff confidence in senior leadership. CONCLUSIONS: In this case study, PBMA was used successfully to reallocate a sizable portion of an LPH agency's budget toward higher-impact activities. PBMA warrants further study as a tool to support optimal resource allocation in LPH settings.
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 | 0,029 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».