La gouvernance des soins de santé en Inde : une perspective de capacité politique
Bibliographic record
Abstract
Après avoir laissé la question de côté pendant des décennies, le gouvernement indien a lancé en 2008 un programme national d’assurance maladie pour répondre aux besoins de la majeure partie de la population qui ne pouvait pas s’offrir des soins de santé. Ce programme a été suivi par le lancement d’un autre programme national en 2018, qui élargissait encore la couverture d’assurance. Ces programmes envisagent un vaste système à payeur unique, basé sur l’assurance, couvrant environ 110 millions de familles. L’objectif principal du présent article est d’évaluer la capacité du gouvernement à mettre en œuvre ces programmes ambitieux. Nous utilisons le cadre des capacités politiques développé par Wu et al. pour examiner les types de capacités nécessaires pour atteindre les objectifs souhaités dans le secteur de la santé. L’argument principal de l’article est qu’il existe des déficits critiques de capacité, en particulier dans les dimensions opérationnelles. Nos conclusions sont généralisables à d’autres pays à revenu intermédiaire qui sont en train de mettre en œuvre des réformes similaires de la politique de santé avec paiement prospectif. Remarques à l’intention des praticiens Cet article souligne la nécessité pour les gouvernements de donner la priorité à la capacité de mise en œuvre des réformes des politiques de santé. Les efforts nécessaires pour atteindre et maintenir les soins de santé universels dépendent non seulement d’une conception appropriée des politiques, de la mobilisation des ressources nécessaires et de l’obtention d’un soutien politique, mais aussi de la capacité à surmonter les déficits de mise en œuvre. Le cadre présenté dans le présent article sert d’outil utile aux gouvernements pour diagnostiquer les forces et les faiblesses dans les différents types de capacités (analytiques, opérationnelles et politiques) nécessaires à la couverture sanitaire universelle.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".