How coping can hide larger systems problems: the routine immunisation supply chain in Bihar, India
Notice bibliographique
Résumé
INTRODUCTION: Coping occurs when health system personnel must make additional, often undocumented efforts to compensate for existing system and management deficiencies. While such efforts may be done with good intentions, few studies evaluate the broader impact of coping. METHODS: We developed a computational simulation model of Bihar, India's routine immunisation supply chain where coping (ie, making additional vaccine shipments above stated policy) occurs. We simulated the impact of coping by allowing extra trips to occur as needed up to one time per day and then limiting coping to two times per week and three times per month before completely eliminating coping. RESULTS: Coping as needed resulted in 3754 extra vaccine shipments over stated policy resulting in 56% total vaccine availability and INR 2.52 logistics cost per dose administered. Limiting vaccine shipments to two times per week reduced shipments by 1224 trips, resulting in a 7% vaccine availability decrease to 49% and an 8% logistics cost per dose administered increase to INR 2.73. Limiting shipments to three times per month reduced vaccine shipments by 2635 trips, which decreased vaccine availability by 19% to 37% and increased logistics costs per dose administered by 34% to INR 3.38. Completely eliminating coping further reduced shipments by 1119 trips, decreasing total vaccine availability an additional 24% to 13% and increasing logistics cost per dose administered by 169% to INR 9.08. CONCLUSION: Our results show how coping can hide major system design deficiencies and how restricting coping can improve problem diagnosis and potentially lead to enhanced system design.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».