MétaCan
Menu
Retour à la cohorte
Enregistrement W4294101084 · doi:10.1186/s12913-022-08416-1

Emergency contraception subsidy in Canada: a comparative policy analysis

2022· article· en· W4294101084 sur OpenAlexafffundabout
Sabrina C. Lee, Wendy V. Norman

Notice bibliographique

RevueBMC Health Services Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Contraception
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia HospitalUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchLondon School of Hygiene and Tropical Medicine
Mots-clésFormularySubsidyEmergency contraceptionMedicineHealth policyUnintended pregnancyHealth administrationUlipristal acetateNursing researchPublic economicsBusinessFamily planningPublic healthNursingPublic relationsEnvironmental healthPolitical sciencePopulationEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, cost prohibits access to emergency contraception (EC) which may assist to prevent unintended pregnancy. The drug, ulipristal acetate (UPA-EC), is more clinically effective and cost-effective than the prior standard levonorgestrel (LNG-EC). We analyzed provincial EC subsidization policies and examined underlying decision-making processes. METHODS: We undertook documentary analysis of provincial EC subsidization policies in publicly available drug formularies. We conducted semi-structured interviews with key informants to explore the processes underlying current policies. RESULTS: Quebec is the only province to subsidize UPA-EC, whilst all ten provinces subsidize LNG-EC. As such, provincial EC subsidization policies do not align with the latest UPA-EC evidence. Interviews revealed that evidence was valued in the policymaking process and formulary decisions were made through interdisciplinary consensus. CONCLUSIONS: We identify a gap between EC subsidization policies and the latest evidence. Institutional structures affect policies reflecting evolving evidence. Increasing interdisciplinary mechanisms may encourage evidence-based policies.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,030
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,097
Tête enseignante GPT0,468
Écart entre enseignants0,371 · 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'étudeObservationnel
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

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetReproductive Health and ContraceptionTravaux en français237 207