MétaCan
Menu
Retour à la cohorte
Enregistrement W4417150559 · doi:10.1080/17441692.2025.2597619

#RollBackRTH: Tactics, strategies and framing in the Right to Health Care Act 2022 debate in Rajasthan, India

2025· article· en· W4417150559 sur OpenAlexafffund
Simran Pachar, Veena Sriram, Vikash Ranjan Keshri, Arima Mishra

Notice bibliographique

RevueGlobal Public Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada Research Chairs
Mots-clésFraming (construction)ScholarshipHealth careOpposition (politics)PoliticsHealth policyPrivate sectorRight to health

Résumé

récupéré en direct d'OpenAlex

The role and influence of interest groups in the healthcare sector, such as the hospital industry, insurers or physicians, are critical aspects of understanding health politics. Yet, scholarship examining the interests and actions of these actors has been surprisingly limited in health politics scholarship on Global South contexts. In India, national- and sub-national health sector reform debates have gained traction. The country's vast, underregulated and powerful private healthcare sector plays a decisive role in shaping policy outcomes. This study explores the public-facing strategies, tactics and frames used by policy actors in the debate surrounding the Right to Health Care Act 2022 in the state of Rajasthan. We describe a policy conflict in which private healthcare sector coalitions representing diverse constituencies united rapidly to effectively execute their opposition strategy. The opposing coalition deployed multiple approaches concurrently, pairing indirect and direct strategies and tactics and using diverse framing choices to "win" the public narrative and secure a dominant role in the policy process, placing supporting policy actors in a defensive position. Our findings contribute to a growing body of scholarship on domestic health politics in Global South contexts that expands our understanding of interest groups into different institutional and ideational spaces.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,331
Écart entre enseignants0,317 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Public HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207