MétaCan
Menu
Retour à la cohorte
Enregistrement W4401825229 · doi:10.1016/s2214-109x(24)00121-9

Improving urban health through primary health care in south Asia

2024· review· en· W4401825229 sur OpenAlexaff
Mohan Bairwa, Akriti Mehta, Sana Hyat, Rushdiá Ahmed, Lalini C. Rajapaksa, Alayne M. Adams

Notice bibliographique

RevueThe Lancet Global Health · 2024
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensMcGill University Health CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Economic growthUrbanizationBusinessPublic healthSocial determinants of healthSocioeconomic statusGovernment (linguistics)Health careHealth equityPublic sectorPrivate sectorService delivery frameworkEnvironmental healthSocioeconomicsGeographyMedicinePopulationPolitical scienceService (business)NursingEconomics

Résumé

récupéré en direct d'OpenAlex

South Asia is rapidly urbanising. The strains of rapid urbanisation have profound implications for the health and equity of urban populations. This Series paper examines primary health care (PHC) in south Asian cities. Health and its social determinants vary considerably across south Asian cities and substantial socioeconomic inequities are present. Although cities offer easy geographical access to PHC services, financial hardship associated with health care use and low quality of care are a concern, particularly for low-income residents. Providing better PHC in south Asia requires a multi-sectoral response, with effective and resourced urban local bodies; increased public financing for health care; and new service delivery models aimed at low-income urban communities that involve strengthening public sector services, strengthening government engagement with private providers where necessary, and engaging with low-income communities and the PHC providers that serve them.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,368
Écart entre enseignants0,284 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Global HealthMême sujetHealthcare Systems and ReformsTravaux en français237 207