MétaCan
Menu
Retour à la cohorte
Enregistrement W3112612760 · doi:10.1177/2380084420979585

Workforce Planning Models for Oral Health Care: A Scoping Review

2020· review· en· W3112612760 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJDR Clinical & Translational Research · 2020
Typereview
Langueen
DomaineDentistry
ThématiqueDental Health and Care Utilization
Établissements canadiensNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésWorkforceWorkforce planningEconLitPopulationMedicineHealth careBusinessNeeds assessmentMEDLINENursingEnvironmental healthPolitical scienceEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: For health care services to address the health care needs of populations and respond to changes in needs over time, workforces must be planned. This requires quantitative models to estimate future workforce requirements that take account of population size, oral health needs, evidence-based approaches to addressing needs, and methods of service provision that maximize productivity. The aim of this scoping review was to assess whether and how these 4 elements contribute to existing models of oral health workforce planning. METHODS: A scoping review was conducted. MEDLINE, Embase, HMIC, and EconLit were searched, all via OVID. Additionally, gray literature databases were searched and key bodies and policy makers contacted. Workforce planning models were included if they projected workforce numbers and were specific to oral health. No limits were placed on country. A single reviewer completed initial screening of abstracts; 2 independent reviewers completed secondary screening and data extraction. A narrative synthesis was conducted. RESULTS: A total of 4,009 records were screened, resulting in 42 included articles detailing 47 models. The workforce planning models varied significantly in their use of data on oral health needs, evidence-based services, and provider productivity, with most models relying on observed levels of service utilization and demand. CONCLUSIONS: This review has identified quantitative workforce planning models that aim to estimate future workforce requirements. Approaches to planning the oral health workforce are not always based on deriving workforce requirements from population oral health needs. In many cases, requirements are not linked to population needs, while in models where needs are included, they are constrained by the existence and availability of the required data. It is critical that information systems be developed to effectively capture data necessary to plan future oral health care workforces in ways that relate directly to the needs of the populations being served. KNOWLEDGE TRANSFER STATEMENT: Policy makers can use the results of this study when making decisions about the planning of oral health care workforces and about the data to routinely collect within health services. Collection of suitable data will allow for the continual improvement of workforce planning, leading to a responsive health service and likely future cost savings.

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.

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,741
Tête enseignante GPT0,693
Écart entre enseignants0,048 · 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