MétaCan
Menu
Retour à la cohorte
Enregistrement W4283516188 · doi:10.34172/ijhpm.2022.7364

Theorising Health System Resilience and the Role of Government Policy- Challenges and Future Directions Comment on "Government Actions and Their Relation to Resilience in Healthcare During the COVID-19 Pandemic in New South Wales, Australia and Ontario, Canada"

2022· letter· en· W4283516188 sur OpenAlexaboutno aff
Janet Anderson

Notice bibliographique

RevueInternational Journal of Health Policy and Management · 2022
Typeletter
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Government (linguistics)MacroCLARITYPandemicConceptual frameworkPsychological resilienceCoronavirus disease 2019 (COVID-19)Perspective (graphical)Health careSociologyPolitical scienceEnvironmental resource managementPublic relationsBusinessEconomic growthComputer sciencePsychologyDiseaseEconomicsMedicineSocial scienceSocial psychologyBiology

Résumé

récupéré en direct d'OpenAlex

Resilient healthcare (RHC) emphasises the importance of adaptive capacity to respond to unanticipated crises such as the global coronavirus disease 2019 (COVID-19) pandemic but there are few examples of RHC research focusing on the decisions taken by macro level policy makers. The Smaggus et al paper analyses the actions of two governments in Canada and Australia as described in media releases from a resilience perspective. The paper clearly articulates the need for conceptual clarity when analysing system resilience, and integrates three theoretical perspectives to understand the types of government responses and how they were related to resilience. The paper makes a valuable contribution to the developing RHC evidence base, but challenges remain in identifying conceptual frameworks, researching macro level resilience, including identifying and accessing reliable macro level data sources, analysing interactions between macro, meso and micro system levels, and understanding how resilience manifests at different temporal and spatial scales.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,062
Tête enseignante GPT0,389
Écart entre enseignants0,327 · 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
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health Policy and ManagementMême sujetDisaster Response and ManagementTravaux en français237 207