Measuring hospital performances of regional referral hospitals in Tanzania
Notice bibliographique
Résumé
In Tanzania, regional referral hospitals (RRHs) play a major role in providing curative and diagnostic services and influence the performance of the entire health system. The results of a baseline survey conducted in 2015 to determine the status of RRHs in Tanzania indicated that there were many supportive supervisory and assessment tools for RRHs but none of them specifically focused on the performance of hospitals. In an endeavor to enhance the performance of RRHs, the Ministry of Health, Community Development, Gender, Elderly and Children (MoHCDGEC) and the President Office – Regional Administration and Local Government (PO-RALG) developed an external hospital performance assessment (EHPA) tool to analyze all aspects of the performance of RRHs. EHPA was started in 2017 to assess the performance of 28 RRHs in the country. This study examines the changes to the performance of the RRHs based on the introduction of the EHPA and the supportive interventions by the Ministry of Health. It is also studying the factors that influence the assessment of EHPA. As the results of this study, there is a great indication of the overall performance of RRHs being improved as observed from an upward gradient of average EHPA scores from 2017 to 2019 in all RRHs. This improvement is exemplified by the decrease in the standard deviation gap amongst RRHs. The three years (2017–2019) of consecutive assessment has also observed implicit competition in improving hospital services among Regional Referral Hospital Management Teams (RRHMTs) using the findings from the EHPA.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».