MétaCan
Menu
← Retour à la cohorte
Enregistrement W4317895462 · doi:10.1370/afm.21.s1.4108

Following the Money: A Who, How Much and Where Picture of Primary Care Research Investment in Canada

2023· article· en· W4317895462 sur OpenAlexfundaboutno aff
Steve Slade, Brian Hutchison

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensnon disponible
Organismes subventionnairesAir Force Materiel CommandCanadian Institutes of Health ResearchAssociation of Faculties of Medicine of Canada
Mots-clésRevenueFunding AgencyContext (archaeology)Health careAgency (philosophy)MedicineFamily medicinePopulationBusinessMedical educationPolitical sciencePublic relationsEconomic growthFinanceEconomicsGeographySociologyEnvironmental healthSocial science

Résumé

récupéré en direct d'OpenAlex

Context: Canada under-invests in research related to primary care. Most Canadians (86%) have a regular care provider and family physicians deliver 54% of all medical services. However, primary care research accounts for less than 3% of grant funding within Canada’s largest health research funding agency, the Canadian Institute for Health Research (CIHR). This disconnect calls for further study of primary care research investment. Objective: To inform development of future research support strategies, this study examines CIHR’s historical primary care research funding trend and faculty of medicine research revenue variations across disciplines, jurisdictions and funding sources. Study Design and Analysis: Descriptive analysis using secondary data. Datasets: CIHR grant funding data covers the time period 2000-01 to 2020-21. The Association of Faculties of Medicine of Canada (AFMC) provided detailed research revenues data for 2018. Population Studied: CIHR data includes discretionary primary care funding through investigator initiated, priority area and training and career support programs. AFMC data covers comprehensive research revenue sources for all Canadian faculties of medicine, covering basic, clinical and health science disciplines. Outcome Measures: Sum and percent distribution of research funding/revenues. Results: CIHR’s total funding for primary care research increased from $922,627 in fiscal 2000-01 to $24,179,100 in 2020-21 (inflation adjusted CDN dollars). In 2000-01, primary care accounted for 0.25% of CIHR’s total discretionary funding, and in 2020-21 it accounted for 2.39%. In 2018, Family Medicine accounted for 1.51% of all faculty of medicine research revenues. Clinical science disciplines, including Family Medicine, accounted for 49.04%, basic science accounted for 30.86%, and all other disciplines accounted for 20.10%. Provincial governments are the largest revenue source for Family Medicine research (36.82%), followed by the federal government (27.24%) and not-for-profit agencies (15.05%). Ontario accounts for a relatively high share of faculty of medicine Family Medicine research revenues. Conclusions: Investment in primary care research has increased significantly since 2000-01, but still accounts for relatively little of CIHR’s discretionary funding. Comparative analyses of research revenues across disciplines, faculties of medicine, jurisdictions, and funding sources sheds light on drivers of Family Medicine research in Canada.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,960

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,042
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,017
Études des sciences et des technologies0,0120,005
Communication savante0,0140,005
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,157
Tête enseignante GPT0,414
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHealth and Medical Research Impacts→Travaux en français237 207→