MétaCan
Menu
Retour à la cohorte
Enregistrement W4380870852 · doi:10.1177/08404704231183174

An analysis of policies supporting the roles of family physicians in four regions in Canada during the COVID-19 pandemic

2023· article· en· W4380870852 sur OpenAlexafffundabout
Maria Mathews, Leslie Meredith, Dana Ryan, Lindsay Hedden, Julia Lukewich, Emily Gard Marshall, Lauren Moritz, Sarah Spencer, Jennifer Xiao, Judith Belle Brown, Madeleine McKay, Eric Wong, Paul Gill

Notice bibliographique

RevueHealthcare Management Forum · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensNova Scotia HospitalSt Joseph's Health CareDalhousie UniversityMemorial University of NewfoundlandSimon Fraser UniversityThames Valley Children's CentreWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPandemicPreparednessCoronavirus disease 2019 (COVID-19)BusinessPublic policyVaccinationPublic healthControl (management)Vaccination policyPublic relationsNursingPolitical scienceMedicineDiseaseVirologyEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

Policy supports are needed to ensure that Family Physicians (FPs) can carry out pandemic-related roles. We conducted a document analysis in four regions in Canada to identify regulation, expenditure, and public ownership policies during the COVID-19 pandemic to support FP pandemic roles. Policies supported FP roles in five areas: FP leadership, Infection Prevention and Control (IPAC), provision of primary care services, COVID-19 vaccination, and redeployment. Public ownership polices were used to operate assessment, testing and vaccination, and influenza-like illness clinics and facilitate access to personal protective equipment. Expenditure policies were used to remunerate FPs for virtual care and carrying out COVID-19-related tasks. Regulatory policies were region-specific and used to enact and facilitate virtual care, build surge capacity, and enforce IPAC requirements. By matching FP roles to policy supports, the findings highlight different policy approaches for FPs in carrying out pandemic roles and will help to inform future pandemic preparedness.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,454

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
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 Opus0,085
Tête enseignante GPT0,402
Écart entre enseignants0,317 · 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'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

Citations10
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetCOVID-19 and healthcare impactsTravaux en français237 207