MétaCan
Menu
Retour à la cohorte
Enregistrement W4229030623 · doi:10.51952/9781447352167.ch002

Research methodology: tracking the role of medical doctors in healthcare reforms

2022· book-chapter· en· W4229030623 sur OpenAlexaboutno aff
Jean‐Louis Denis, Sabrina Germain, Catherine Régis, Gianluca Veronesi

Notice bibliographique

RevuePolicy Press eBooks · 2022
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careTracking (education)BusinessPolitical sciencePsychologyLaw

Résumé

récupéré en direct d'OpenAlex

The objective of empirically exploring the role of medical doctors in healthcare reforms and policy changes raises a number of methodological questions. What data set should be considered? What is the appropriate period of study (that is, when should analysis of reforms start and end our)? What context-specific elements, whether jurisdictional or situational, influence agency in healthcare reforms? What characterises the roles played by various actors in the reform process? With what influence on context and policy outcomes? What methods should be used to compare case studies? These questions led us to consider methodological developments in contextualist and process research (Mintzberg and Waters, 1982; Pettigrew, 1987, 2012; Langley, 1999), which appear as a plausible way to approach policy research. We thus look at policy changes, such as healthcare reforms, as a continuing system in becoming (Pettigrew, 1987; Tsoukas and Chia, 2002). We rely on comparative longitudinal case studies (Fitzgerald and Dopson, 2009) to track the evolving dynamics of healthcare reforms and medical politics in two national empirical contexts: the NHS in England and the healthcare systems of two Canadian provinces: Quebec and Ontario. A number of logical arguments support the selection of these two national jurisdictions for our research. Both have a tax-based PFHS. Both have been fertile ground for healthcare reforms and are frequently selected as case studies in comparative health policy analysis (Tuohy, 1999, 2018).

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)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,597
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,414
Tête enseignante GPT0,441
Écart entre enseignants0,027 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Press eBooksMême sujetHealthcare Policy and ManagementTravaux en français237 207