Definition and key concepts of high-performing health systems: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: To determine how high performing is defined in relation to a health system and chart the literature on the definitions and key concepts of high-performing healthcare systems. DESIGN: Scoping review. DATA SOURCES: MEDLINE, EMBASE, CINAHL and the Cochrane Central Register of Controlled Trials were searched from inception to July 2024. The grey literature was also searched. ELIGIBILITY CRITERIA: Included studies reported on health systems and high performance to identify explicit definitions, research outcomes and knowledge gaps. RESULTS: Two reviewers independently screened 5721 citations and 507 full-text articles, resulting in the inclusion of 35 primary articles and 47 companion documents in the review. Three independent definitions for a high-performance health system were identified. 24 research studies reported outcomes on the elements of a high-performing health system (58%), system evaluation (32%) and tool development or validation (10%). Knowledge gaps identified were the lack of a common definition, a lack of common indicators, strategies for moving evidence into policy and practice, and difficulties with comparisons across health systems. CONCLUSIONS: We found limited definitions and a lack of empirical evidence on our topic. There is an opportunity for primary research in the area of health systems and high performance.
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 | 0,032 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,038 | 0,035 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».