Workforce Planning Models for Oral Health Care: A Scoping Review
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,010 |
| Bibliométrie | 0,016 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».