Análisis del desempeño de los servicios sanitarios de Cataluña: evaluación de los primeros resultados del proyecto demostrativo
Bibliographic record
Abstract
La medida del desempeño de los servicios sanitarios está recibiendo una mayor atención debido al aumento del gasto sanitario y de las expectativas de la población, y a la necesidad de obtener el máximo rendimiento de los recursos invertidos. En Cataluña, en el año 2005, aprovechando la experiencia previa de la Agència de Salut Pública de Barcelona y del Consorci Sanitari de Barcelona comparando los servicios sanitarios de Barcelona y Montreal, una beca de investigación de la Agència d'Avaluació de Tecnologia i Recerca Mèdiques, y el interés de planificación sanitaria del Departament de Salut, se puso en marcha el proyecto de análisis del desempeño de los servicios sanitarios de Cataluña. El objetivo de este artículo es presentar el desarrollo del proyecto, mostrar algunos ejemplos que ilustran el tipo de información que se ha podido obtener y el tipo de análisis que esta información permite, exponer posibles explicaciones de los resultados presentados y discutir algunas limitaciones e implicaciones. De hecho, el valor añadido de este proyecto es que permite conocer el desempeño del sistema sanitario en la consecución de sus objetivos, establecer un conjunto de indicadores homogeneizados de referencia y ser una pieza clave en el desarrollo de la Central de Resultats del Departament de Salut de la Generalitat de Catalunya.
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".