MétaCan
Menu
Retour à la cohorte
Enregistrement W2418929268 · doi:10.1016/j.healthpol.2016.05.011

Hospitals in rural or remote areas: An exploratory review of policies in 8 high-income countries

2016· review· en· W2418929268 sur OpenAlexaffabout
Bernd Rechel, Aleksandar Džakula, Giovanni Fattore, Nigel Edwards, Michel Grignon, Marion Haas, Triin Habicht, Gregory P. Marchildon, António Moreno, Walter Ricciardi, Louella Vaughan, Tina Anderson Smith

Notice bibliographique

RevueHealth Policy · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesEuropean Observatory on Health Systems and Policies
Mots-clésRural areaEconomic growthBusinessContext (archaeology)TelemedicineSustainabilityRural healthGeographyHealth carePolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Our study reviewed policies in 8 high-income countries (Australia, Canada, United States, Italy, Spain, United Kingdom, Croatia and Estonia) in Europe, Australasia and North America with regard to hospitals in rural or remote areas. We explored whether any specific policies on hospitals in rural or remote areas are in place, and, if not, how countries made sure that the population in remote or rural areas has access to acute inpatient services. We found that only one of the eight countries (Italy) had drawn up a national policy on hospitals in rural or remote areas. In the United States, although there is no singular comprehensive national plan or vision, federal levers have been used to promote access in rural or remote areas and provide context for state and local policy decisions. In Australia and Canada, intermittent policies have been developed at the sub-national level of states and provinces respectively. In those countries where access to hospital services in rural or remote areas is a concern, common challenges can be identified, including the financial sustainability of services, the importance of medical education and telemedicine and the provision of quick transport to more specialized 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,017
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,457
Écart entre enseignants0,385 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth PolicyMême sujetTrauma and Emergency Care StudiesTravaux en français237 207