MétaCan
Menu
Retour à la cohorte
Enregistrement W3015188131 · doi:10.1377/hlthaff.2019.00826

Innovative Integrated Health And Social Care Programs In Eleven High-Income Countries

2020· article· en· W3015188131 sur OpenAlexaff
Onil Bhattacharyya, James Shaw, Samir K. Sinha, Dara Gordon, Simone Shahid, Walter P. Wodchis, Geoffrey M. Anderson

Notice bibliographique

RevueHealth Affairs · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensMount Sinai HospitalWomen's College Hospital
Organismes subventionnairesnon disponible
Mots-clésHealth careBusinessContext (archaeology)NursingPopulationSocial determinants of healthEconomic growthPublic relationsMedicinePolitical scienceEnvironmental healthEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

High-income countries face the challenge of providing effective and efficient care to the relatively small proportion of their populations with high health and social care needs. Recent reports suggest that integrated health and social care programs target specific high-needs population segments, coordinate health and social care services to meet their clients' needs, and engage clients and their caregivers. We identified thirty health and social care programs in eleven high-income countries that delivered care in new ways. We used a structured survey to characterize the strategies and activities used by these programs to identify and recruit clients, coordinate care, and engage clients and caregivers. We found that there were some common features in the implementation of these innovations across the eleven countries and some variation related to local context or the clients served by these programs. Researchers could use this structured approach to better characterize the core components of innovative integrated care programs. Policy makers could use this approach to provide a common language for international policy exchange, and this structured characterization of successful programs could play an important role in spreading them and scaling them up.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,538
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,334
Écart entre enseignants0,288 · 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 tête enseignante, 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetChronic Disease Management StrategiesTravaux en français237 207