MétaCan
Menu
Retour à la cohorte
Enregistrement W3161491150 · doi:10.1177/01632787211018244

What Does the Public Prefer Versus What Is the Public Ready to Forgo?

2021· article· en· W3161491150 sur OpenAlexaboutno aff
Giora Kaplan, Yaron Connelly

Notice bibliographique

RevueEvaluation & the Health Professions · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensnon disponible
Organismes subventionnairesIsrael National Institute for Health Policy Research
Mots-clésRationingQuarter (Canadian coin)PopulationMedicineHealth carePublic healthSample (material)Family medicinePsychologyBusinessActuarial scienceEnvironmental healthNursingEconomics

Résumé

récupéré en direct d'OpenAlex

The present study uses a novel approach to assess the publics' ability to cope with priority setting and rationing in health care by asking what the public is willing to forego. Items for disinvestment were presented in three separated dimensions: Categories of medical care, quality of service, and items representing social values. A telephone survey was conducted among a representative sample of the Israeli public (N = 609). The response rate was 51%. We identify a few items that a high proportion of the population express readiness to forgo: a drug for smoking cessation, budgets for improving appearance and comfort in medical facilities, and a product for preventing surgical scars. Furthermore, over a quarter of the public was ready to forgo many other items. We found that less than 10% justified their selection in terms of "personally not important to me," while most respondents evaluated the items they chose to forgo as "less effective or less essential in comparison to others." The study found that most respondents, when exposed to a range of health system components, were able to identify at least one item that they will be willing to forgo in a time of economic crisis.

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 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)0,055
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,449
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0550,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0160,000
Communication savante0,0010,005
Science ouverte0,0020,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,833
Tête enseignante GPT0,638
Écart entre enseignants0,194 · 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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvaluation & the Health ProfessionsMême sujetHealthcare cost, quality, practicesTravaux en français237 207