A severely fragmented concept: Uncovering citizens’ subjective accounts of severity of illness
Notice bibliographique
Résumé
Universal healthcare is constrained by national governments' finite health resources. This gives rise to complex priority-setting dilemmas. In several universal healthcare systems, the notion of severity (Norwegian: 'alvorlighet') is a key consideration in priority setting, such that treatments for 'severe' illness may be prioritised even when evidence suggests it would not be as cost-effective as treatment options for other conditions. However, severity is a poorly-defined concept, and there is no consensus on what severity means in the context of healthcare provision - whether viewed from public, academic, or professional perspectives. Though several public preference-elicitation studies demonstrate that severity is considered relevant in healthcare resource distribution, there is a paucity of research on public perceptions on the actual meaning of severity. We conducted a Q-methodology study between February 2021 and March 2022 to investigate views on severity amongst general public participants in Norway. Group interviews (n = 59) were conducted to gather statements for the Q-sort ranking exercises (n = 34). Data were analysed using by-person factor analysis to identify patterns in the statement rankings. We present a rich picture of perspectives on the term 'severity', and identify four different, partly conflicting, views on severity in the Norwegian population, with few areas of consensus. We argue that policymakers ought to be made aware of these differing perspectives on severity, and that there is need for further research on the prevalence of these views and on how they are distributed within populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».