Monitoring equity in the delivery of health services: a Delphi process to select healthcare equity indicators
Notice bibliographique
Résumé
AIMS OF THE STUDY: Health equity is a key component of quality of care and an objective for a growing number of quality improvement projects for deontological, ethical, public health and economic reasons. To monitor equity in the delivery of health services in Switzerland, there is a need to implement valid, measurable and actionable equity indicators, along with vulnerability stratifiers such as migrant status, which could lead to differences in quality of care. The aim of this study was to develop a set of healthcare equity indicators and stratifiers targeting inpatient and outpatient populations and to test their feasibility. METHODS: A scoping literature review and inputs from a national interprofessional expert taskforce provided a set of indicators and vulnerability stratifiers. The most valid and measurable indicators and stratifiers were retained using a Delphi process. They were then operationalised, and their implementation tested in three Swiss hospitals from the three language regions. RESULTS: A taskforce of 18 experts, including a patient representative, selected 11 indicators that evaluate structures, processes and outcomes, and five vulnerability stratifiers. Although most indicators and stratifiers could be implemented in all three hospitals, data availability was limited for some variables, including patient satisfaction and access to interpreters for foreign-language patients. CONCLUSIONS: The equity indicators and stratifiers identified by this two-stage process have content validity, wide patient coverage and are focused on inequities in the healthcare system that are actionable through improvement projects. Both the indicators and the project methodology could be replicated in institutions aiming for more equitable care.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».