Mortality-based indicators for measuring health system performance and population health in high-income countries: a systematic review
Notice bibliographique
Résumé
Abstract Objectives Mortality-based indicators are commonly used as measures of population health but less frequently applied to measuring health system performance. This systematic review aimed to identify and describe mortality indicators relevant to the measurement of population health and health system performance in high-income countries. Methods We searched peer-reviewed databases (MEDLINE, Embase, CINAHL, Health Business Elite, Health Policy Reference Center, and POPLINE) and grey literature (government agencies, professional associations, and international/non-governmental health organizations). The search was limited to indicators identified for use in high-income countries. We extracted information on indicator characteristics and alignment with dimensions of effectiveness, efficiency, and equity. We assessed the applicability of the indicator to the context of population health, health system, or both settings, alignment with SMART criteria (specific, measurable, actionable, relevant, and timely), and potential for analyses of population subgroups. Health system was defined as encompassing both medical care and public health services and activities. Results We extracted 385 mortality-based indicators from 240 sources. Indicators were organized into six major domains: all-cause mortality (n = 12), premature mortality (n = 92), life expectancy (n = 23), cause-specific mortality (n = 127), infant, child, and adolescent mortality (n = 50), and hospital-related mortality (n = 81). The majority of indicators (86%) could be applied to measuring health system performance. Premature mortality indicators showed the most potential to measuring both population health and health system performance. Conclusions This review compiled a wide range of mortality indicators relevant to measuring health system performance in high-income countries. Indicators of premature mortality were most relevant to measuring both population health and health system performance.
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 | 0,018 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,023 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».