MétaCan
Menu
Retour à la cohorte
Enregistrement W6995957731

RAPIT- A tool for Improving and Evaluating Priority Setting and Resource Allocation Internationally : A Swedish Health Authority Case Study

2016· article· en· W6995957731 sur OpenAlexaboutno aff

Notice bibliographique

RevueKTH Publication Database DiVA (KTH Royal Institute of Technology) · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScarcityTransparency (behavior)Resource allocationHealth careValue (mathematics)Identification (biology)Likert scaleHealth care rationingResource (disambiguation)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

IntroductionIn order to meet the challenges presented by increasing demand and scarcity of resources, healthcare organizations are faced with difficult decisions related to priority setting and resource allocation (PSRA). Tools to facilitate evaluation and improvement of these processes could enable greater transparency and more optimal distribution of resources. Resource Allocation Performance Identification Tool (RAPIT) is a tool for identifying the performance of PSRA. RAPIT was first developed in Canada (RAPAT - Resours Allocation Performance Assessment Tool) and then further developed in Sweden where items from the original tool were edited, likert scales were added, aiming to also identify areas of improvement. RAPIT was applied in the Regional Health Authority of Dalarna – ”Landstinget Dalarna”, Sweden, and administered to both middle and senior managers in the regional health authority Dalarna at baseline. In addition to answering the questions themselves, respondents were also asked to rate the value of each question with respect to PSRA performance relevance. Results were then presented to the senior managers. In this step, the senior mangers were asked to assess the value of information that they received from both the middle and senior managers responses. The senior managers also assessed the value of using RAPIT itself as an input for improving their PSRA process.ResultRAPIT revealed variations in the understanding of PSRA across management levels and individuals. 94% of the questions was given a very high value by the middle manager, 65% by senior manager. Some of the low ranked questions generated high valued information. In several cases, after seeing the result of RAPIT, senior managers changed their assessed value of ech question. Concerning incentives to participation for example, the senior mangers valued the question low but after seeing the result they valued the information very high.ConclusionsRAPIT is useful for identifying areas of improvement in a PSRA process: • Useful for education and promoting discussion – what does our PSRA process really look like? • Useful for motivating a more explicit PSRA process • Useful for mutual discussion when PSRA is perceived differently by involved actor. • Useful for a longitudinal perspective on the improvement on targeted areas • Useful as a collection of questions that can be adjusted to a specific context • Useful as an evaluation tool • Useful for comparative studies, not least for international comparisons. RAPIT is applicable in multiple contexts, and enables decision makers at different level to identify opportunities to improve their own PSRA processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,040
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,187
Tête enseignante GPT0,427
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKTH Publication Database DiVA (KTH Royal Institute of Technology)Même sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207