MétaCan
Menu
Retour à la cohorte
Enregistrement W4281288910 · doi:10.1136/bmjgh-2022-isph.47

98:oral How did European countries set priorities in response to the COVID-19 threat? A comparative document analysis of 24 pandemic preparedness plans

2022· article· en· W4281288910 sur OpenAlex
Iestyn Williams, Claudia Marcela Vélez, Lars Sandman, Lydia Kapiriri

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAbstracts · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPreparednessGovernment (linguistics)BusinessPandemicScarcityEquity (law)Health carePublic relationsPolitical scienceCoronavirus disease 2019 (COVID-19)MedicineEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

<h3>Introduction</h3> The COVID-19 pandemic has forced governments across Europe to consider how to prioritise the allocation of scarce resources. Many took decisions to increase funding for health services, and to redirect current fiscal, human and technical resource towards meeting the new threat. <h3>Methods</h3> We conducted document analysis of pandemic preparedness plans in 24 countries across the regions of Europe, focussing on prioritisation and allocation of health-related resources. To be included, countries needed to have publicly available COVID19 preparedness plans. Where necessary, plans were translated into English before two members of the team conducted data extraction. We adapted the Kapiriri and Martin (2010) framework as our organising data extraction tool. Following validity checks, these data were synthesised numerically and thematically. <h3>Results</h3> COVID19 has engendered recognition on behalf of government of the scarcity of health care resources. However, many plans still fell short of identifying specific budgetary implications or trade-offs between COVID19 responses and other service priorities. Many plans describe use of evidence, expert involvement and decision making criteria. However, use of formal priority setting tools and frameworks was rare. The plans included very little engagement with citizens and service users, and equity considerations were often under-developed. The overall average compliance with quality parameters of priority setting was 29%. <h3>Discussion</h3> The plans indicate a political commitment to priority setting but underline the relative failure of priority setting methodologies to become embedded in governmental decision making processes. In the balance between ‘technocratic’ elements of priority setting and ‘processual’ dimensions, there was an emphasis on the former, reflecting the enforced speed with which plans were drawn up. As difficult priority setting decisions will be required in the post-crisis phase (as care backlogs and unmet need are addressed) it is likely that a rebalancing towards the processual aspects of decision making processes will be required.

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.

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)0,028
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0280,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,419
Tête enseignante GPT0,456
Écart entre enseignants0,037 · 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