MétaCan
Menu
Retour à la cohorte
Enregistrement W4288032885 · doi:10.1097/01.jaa.0000840508.75042.ce

American health workforce policy and PAs

2022· article· en· W4288032885 sur OpenAlexaboutno aff
James F. Cawley

Notice bibliographique

RevueJAAPA · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkforceGovernment (linguistics)Quarter (Canadian coin)Health careProductivityPhysician supplyBusinessPublic relationsMedicinePolitical scienceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Health workforce policy in the United States from the mid-1970s has been strongly influenced by perceptions of the adequacy of the physician supply and its relationship to physician assistants/associates (PAs) and NPs. During the 1980s, a series of inaccurate reports by the federal government mistakenly warned of an impending physician surplus and shaped policy decisions for decades. In spite of perceptions of a physician surplus, the PA profession expanded rapidly in the 1990s. Projections of the adequacy of the physician supply changed to a shortage in the first decade of this century and the PA component of the healthcare workforce continued to expand. During the past decade, the Association of American Medical Colleges has employed microsimulation modeling expertise to project the extent of physician shortages, an effort that initially failed to incorporate the contributions of PAs and NPs in the workforce. Although current projection models include the contributions of PAs and NPs, the substitution ratios used are notably low. Specifically, PA and NP productivity effort was set roughly at one-quarter to one-half that of the physician. PAs and NPs make up a substantial contingent within the US healthcare workforce and should be included fully in future workforce projection estimates. This article provides policy recommendations for the advancement of PA contributions to the delivery of medical care.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,072
Tête enseignante GPT0,305
Écart entre enseignants0,233 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAAPAMême sujetHealthcare Policy and ManagementTravaux en français237 207