Analyse de la qualité de mise en œuvre et de la pérennité des modèles de Financement Basé sur les Résultats au Bénin en 2015
Notice bibliographique
Résumé
Results-based financing (RBF) is described as an intervention that generates significant results in health services. The lack of evidence in Benin since its adoption led this study to analyze, via functions supported by institutional framework, the quality of implementation and the sustainability characteristics of the two RBF models used in the country. The study was carried out on 2015 in two zones covered by the RBF_PRPSS model developed by the Health System Performance Strengthening Project (PRPSS) and two others exposed to the RBF_PASS model implemented by the Health System Support Project (PASS). The data collected by documentary review and interview were used to determine the quality index of the RBF implementation. The two models, whose structures implicitly integrated five functions, presented at the start a weak functionality of the health facilities and an irregularity and a low quality of the regulation. Three years after its start, the quality of RBF implementation in Benin was below average, with an index of 52.5% (± 5%) in the RBF_PRPSS and 45.5% (± 5%) in the RBF_PASS. The functions with the lowest scores in both models were regulation, delivery and verification. In sum, reactivity and efficiency were low in RBF_PRPSS while reactivity and independence were low in RBF_PASS. The low quality of implementation of the two RBF models and the uncertainty of the financing, concomitant with the delay of evidence, hypothecate their durability and incite to design a harmonized and adapted model for the country.
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 | 0,037 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».