Resource allocation decisions under pandemic conditions: A cross-sectional survey of Ontario physicians
Notice bibliographique
Résumé
The COVID-19 pandemic has forced physicians to confront difficult choices regarding the allocation of scarce resources, such as ventilators and critical care beds. Developing policies to guide the allocation of such resources has proven challenging. An understanding of physicians' attitudes and beliefs surrounding resource allocation could help inform policymaking. As a replication and extension of a survey of Ottawa physicians conducted in 2020, we surveyed physicians across Ontario, Canada in April 2021. This survey examined physicians' sense of preparedness to allocate critical care resources during the pandemic, attitudes concerning resource allocation policy, and approaches to resource allocation decision-making. Of the 253 responses included for analysis, the majority (67%) of respondents indicated feeling "somewhat" or "a little prepared" to make resource allocation decisions, while 20% indicated feeling "not at all prepared." Most respondents (86%) agreed that a policy to guide resource allocation in the event of scarcity should exist. Physicians overwhelmingly agreed that important factors to consider when making resource allocation decisions included the patient likelihood of survival, frailty index, comorbidities, and cognitive status. Responses from the province-wide survey conducted in 2021 resemble the results of an analogous survey of Ottawa physicians conducted in 2020. Physicians generally felt underprepared to make resource allocation decisions and agreed that official policies should guide such decisions. Identification of factors relevant to resource allocation was remarkably consistent across this sample and that taken in 2020.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 tête enseignante, 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 ».