MétaCan
Menu
← Retour à la cohorte
Enregistrement W327378239 · doi:10.1017/cbo9780511545566.039

Priority setting

2008· book-chapter· en· W327378239 sur OpenAlexaff
Douglas K. Martin, Jennifer L. Gibson, Peter Singer

Notice bibliographique

RevueCambridge University Press eBooks · 2008
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Dr. B is on the seventh day of his rotation as medical director of the intensive care unit (ICU) when he receives a referral call about a patient in emergency who needs ICU admission for ventilation support. Dr. B examines his ICU census and notes that not only are there no ICU beds available but there is also a request from a thoracic surgeon for an ICU bed for a patient currently in the observation room, and there is a request from a nearby hospital to transfer one of their patients to Dr. B's ICU. Dr. C, a pediatrician, has been asked to chair her hospital drug formulary committee to examine new drugs and determine which ones should be provided from the hospital budget. She is aware that these decisions are complex and often controversial and is unsure how to proceed. What is priority setting? Priority setting involves deciding which resources to allocate to competing needs. It is a key component of every health system because, whether wealthy or poor, no system can afford to provide every service that it may wish to provide. Both publicly and privately funded systems have the challenge of delivering quality care within the limits of government budgets or enrollee and employer contributions. Within health systems, priority setting occurs at each decision level: micro (at the bedside or in clinical programs), meso (in hospitals or regional institutions), and macro (at the system-wide level).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,577

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1730,031

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 Opus0,217
Tête enseignante GPT0,318
Écart entre enseignants0,102 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→