Providing care for the 99.9% during the COVID-19 pandemic: How ethics, equity, epidemiology, and cost per QALY inform healthcare policy
Notice bibliographique
Résumé
Managing healthcare in the Coronavirus Disease 2019 (COVID-19) era should be guided by ethics, epidemiology, equity, and economics, not emotion. Ethical healthcare policies ensure equitable access to care for patients regardless of whether they have COVID-19 or another disease. Because healthcare resources are limited, a cost per Quality Life Year (QALY) approach to COVID-19 policy should also be considered. Policies that focus solely on mitigating COVID-19 are likely to be ethically or financially unsustainable. A cost/QALY approach could target resources to optimally improve QALYs. For example, most COVID-19 deaths occur in long-term care facilities, and this problem is likely better addressed by a focused long-term care reform than by a society-wide non-pharmacological intervention. Likewise, ramping up elective, non-COVID-19 care in low prevalence regions while expanding testing and case tracking in hot spots could reduce excess mortality from non-COVID-19 diseases and decrease adverse financial impacts while controlling the epidemic. Globally, only ∼0.1% of people have had a COVID-19 infection. Thus, ethical healthcare policy must address the needs of the 99.9%.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».