La institucionalización de la evaluación del impacto en la salud en Quebec: ¿un modelo factible en España?
Bibliographic record
Abstract
Objetivos: En Canadá, Quebec institucionalizó el proceso de la evaluación del impacto en la salud al incluirla en su Ley de Salud Pública. En España, el Ministerio de Sanidad, PolÃtica Social e Igualdad está en un proceso de reforma de la Ley de Salud Pública, en la cual está prevista la inclusión de la evaluación del impacto en la salud. Este estudio revisa los elementos que han llevado a la implantación efectiva de la evaluación del impacto en la salud en Quebec y reflexiona sobre la posible aplicación del modelo quebequense en el ámbito español. Métodos: Se recopiló información aportada en entrevistas realizadas en diversas instituciones de salud pública quebequenses. El modelo de Quebec se comparó con la situación española para identificar las posibles necesidades asociadas a la práctica de la evaluación del impacto en la salud en España. Resultados: Las instituciones de salud pública quebequenses han desarrollado una estrategia para la aplicación efectiva de la evaluación del impacto en la salud. Se fundamenta en varias medidas: creación de una red de representantes ministeriales, desarrollo de un procedimiento interno en el Ministerio de Sanidad y Servicios Sociales para responder a las solicitudes formuladas, elaboración de guÃas metodológicas, creación de programas de investigación, refuerzo de los mecanismos de transferencia de conocimientos y establecimiento de herramientas de comunicación y participación. Conclusiones: La regulación legal de la evaluación del impacto en la salud no garantiza el éxito de su implantación. La institucionalización de dicha evaluación requiere establecer una estructura bien diseñada y la asignación de recursos adecuados. La experiencia desarrollada en Quebec muestra un modelo de implantación de la evaluación del impacto en la salud que podrÃa adaptarse a nuestro paÃs, considerando los elementos de la idiosincrasia española.
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 | 0.007 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.001 | 0.008 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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; both teacher heads agree on what is shown here.
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".