Limites, avantages et utilisation des EVSI dans le contexte actuel de l’évolution des systèmes de soins
Bibliographic record
Abstract
Les indicateurs de type EVSI rendent compte d'une définition de la santé fonctionnelle basée sur l'adaptation des individus à leur environnement. Leur constat est donc susceptible de varier dans le temps et l'espace. Plus le fonctionnement des individus considérés est large, c'est à dire plus on s'éloigne de formes très sévères de restriction tels le confinement ou l'absence de mobilité, plus ce constat est mouvant. Indépendamment des variations des modes d'observation et de calcul, les résultats varient selon l'activité considérée. Le système de soins de santé, à la recherche de nouvelles formes d'équité et de rationnement, demande de nouveaux indicateurs pour décrire les variations de la santé, estimer et prévoir les besoins en soins et services, et surtout justifier des choix quant au volume, à l'organisation et à la distribution des ressources (rationnement). Il a du mal cependant à intégrer les résultats contradictoires et les nuances qui accompagnent les indicateurs de type EVSI. Comme toute information relative à la santé, on peut s'attendre à ce que les EVSI soient différemment utilisées et interprétées, mais qu'elles influent sur les attentes exprimées à l'égard du système de soins et sur les transformations de celui ci.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".