Qualité du système d’information et de suivi des interventions en santé dans les zones exposées au financement basé sur les résultats en 2014 au Bénin
Notice bibliographique
Résumé
INTRODUCTION: Performance-based financing (PBF) approach is a public health intervention, whose effects on the pillars of this system are often not measured, especially with regard to the information system and to the effectiveness of public health interventions. METHODS: Our cross-sectional study was conducted in Benin in 67 health units randomly drawn from two PBF_HSS (Health Systems Strengthening) health zones and two PBF_NHSSP (Health Sector Support Program) areas, all experiencing PBF, and from two areas where the PBF had not been implemented. It allowed to evaluate the quality of the information and the effectiveness of public health interventions. The quality index and the performance scores of the system components were used to compare the strata covered by the PBF and the noncovered strata. RESULTS: The quality of the information system and of the effectiveness of public health interventions was average in the three strata, with a higher quality index in the PBF_HSS (77%) and PBF_NHSSP (74%) strata than in the Non_PBF (67%) strata. Health system quality distribution was more favorable in the strata covered by PBF. The components achieving a good performance were "demographic information", "results and essential analyzes" and "statistic support archiving". However, the essential components of the PBF and of the information system were "supervision" and "reporting" that continued to have an average QI two years after the beginning of the intervention. CONCLUSION: The average quality of the information system and of the effectiveness of public health interventions could be improved by respecting the instructions of the PBF, especially when the quality of this system becomes a priority for the PBF.
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 | 0,018 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».