MétaCan
Menu
Retour à la cohorte
Enregistrement W4393872370 · doi:10.1215/03616878-11257000

No Country for Sick Men: The Political Determinants of Health Policy in Poland

2024· article· en· W4393872370 sur OpenAlexaboutno aff
Rafał Riedel, Emilia Szyszkowska

Notice bibliographique

RevueJournal of Health Politics Policy and Law · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesNarodowe Centrum Nauki
Mots-clésLife expectancyEconomic shortagePoliticsHealth careDemographic economicsGross domestic productEuropean unionPolitical scienceQuarter (Canadian coin)Development economicsEconomic growthEconomicsDemographyEconomic policyGeographySociologyLawPopulationGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

CONTEXT: The objective of this article is to explain the political factors determining the relatively weak performance of the Polish health care (HC) sector. This can be treated as a critical case for several reasons. First, the Poles are among the most unsatisfied patients in the European Union, with one of the lowest life expectancy levels. Second, Poland spends one of the lowest shares of gross domestic product on HC-related expenditures among OECD countries. Third, the country is facing medical personnel shortages. METHODS: The analysis is based on the mixed-methods approach. The authors rely on quantitative data outsourced from a survey, which is supplemented by the semistructured, in-depth interviews with selected key HC stakeholders representing patients' advocacy groups, medical personnel organizations, and high-level decision-makers. FINDINGS: The Polish HC system remains weak due to the postcommunist legacy in terms of organization, a short-term approach by politicians, and weak decision-making processes. CONCLUSIONS: The HC policy inertia in Poland is determined by a group of interrelated political factors that effectively block the development of any positive reform.

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)0,004
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,844

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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 Opus0,053
Tête enseignante GPT0,372
Écart entre enseignants0,319 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Politics Policy and LawMême sujetHealthcare Systems and ReformsTravaux en français237 207