The effect of the Iranian health transformation plan on hospitalization rate: insights from an interrupted time series analysis
Notice bibliographique
Résumé
BACKGROUND: Healthcare policy- and decision-makers make efforts to build and maintain high-performing and effective health systems, implementing effectiveness programs and health reforms. In May 2014, the Iranian Ministry of Health and Medical Education has launched a series of ambitious reforms, known as the Health Transformation Plan (HTP). This study aimed to determine the effect of the HTP on hospitalization rate in Iranian public hospitals affiliated to the Ministry of Health and Medical Education. METHODS: This study was designed as a quasi-experimental, counterfactual study utilizing the interrupted time series analysis (ITSA), comparing the trend of hospitalization rate before and after the HTP implementation in 16 hospitals in the Lorestan province. Data was collected from March 2012 to February 2019. RESULTS: In the first month of the HTP implementation, an increase of 2.627 [95% CI: 1.62-3.63] was noted (P < 0.001). Hospitalization rate increased by 0.68 [95% CI: 0.32-0.85] after the HTP implementation compared to the first month after the launch of the HTP (P < 0.001). After the HTP implementation, monthly hospitalization rate per 1000 persons significantly increased by 0.049 [95% CI: 0.023-0.076] (P < 0.001). CONCLUSIONS: The HTP implementation has resulted in an increased hospitalization rate. Health planners should continue to further improve this service. ITSA can play a role in evaluating the impact of a given health policy.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».