MétaCan
Menu
Retour à la cohorte
Enregistrement W3164147127

National Canadian Pharmacare: Pros, Cons, and Challenges

2021· article· en· W3164147127 sur OpenAlexaboutno aff
Daria Elrick

Notice bibliographique

RevueSFU Undergraduate Research Symposium Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionHealth careJurisdictionPublic relationsVariety (cybernetics)BusinessClubPolitical scienceMedicineNursingComputer scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

While Canada is known as a leader in global healthcare due to our universal medical coverage, there is a large gap in our current program; Canada is the only country in the world with universal health care that excludes prescription coverage. There is extensive evidence supporting the establishment of a national pharmacare program, such as expanded job opportunities and reductions in prescription medication costs nationally, but there are also limitations to such a program. Concerns with overprescribing, reduction in the variety of available medications, and variable support from Canadians, require careful consideration of this issue from all angles when seeking to implement this program. In addition to these concerns, there are various challenges that would arise if such a program were to be implemented. These include the logistics of a national pharmacare program in our country where healthcare is a provincial jurisdiction, the need for a long-term and stable program, national and inter-provincial record-keeping improvements, and increased public costs.Ultimately, an effective national pharmacare program must take into consideration all of these points, and balance the benefits and downfalls noted, to create a system that supports more comprehensive healthcare for Canadians. This research was completed by reviewing peer- reviewed journal articles obtained through the SFU library database, assigned book readings, and through online search of relevant articles and webpages.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,343
Tête enseignante GPT0,478
Écart entre enseignants0,135 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSFU Undergraduate Research Symposium JournalMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207