MétaCan
Menu
← Retour à la cohorte
Enregistrement W2479480904

Three Case Studies in Making Fair Choices on the Path to Universal Health Coverage.

2016· article· en· W2479480904 sur OpenAlexaff
Alex Voorhoeve, Tessa Tan-Torres Edejer, Lydia Kapiriri, Ole Frithjof Norheim, James Snowden, Olivier Basenya, Dorjsuren Bayarsaikhan, Ikram Chentaf, Nir Eyal, Amanda Folsom, Rozita Halina Tun Hussein, Cristián Morales, Florian Ostmann, Trygve Ottersen, Phusit Prakongsai, Carla Saénz, Karima Saleh, Angkana Sommanustweechai, Daniel Wikler, Afisah Zakariah

Notice bibliographique

RevuePubMed · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Right to healthUniversal coverageUniversal designPath (computing)Public economicsFace (sociological concept)Health equityProcess (computing)Realization (probability)PoliticsBusinessActuarial scienceHealth policyEconomicsHealth carePolitical scienceComputer scienceEconomic growthSociologyLawMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

, the WHO Consultative Group on Equity and Universal Health Coverage articulated principles for making such trade-offs in an equitable manner. We present three case studies which illustrate how these principles can guide practical decision-making. These case studies show how progressive realization of the right to health can be effectively guided by priority-setting principles, including generating the greatest total health gain, priority for those who are worse off in a number of dimensions (including health, access to health services, and social and economic status), and financial risk protection. They also demonstrate the value of a fair and accountable process of priority setting.

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)0,019
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,038
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0090,005
Communication savante0,0050,003
Science ouverte0,0020,005
Intégrité de la recherche0,0100,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,503
Tête enseignante GPT0,431
Écart entre enseignants0,071 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→