The effects of the memorandum of understanding in the Local Health Units: the case of the Local Health Unit of Castelo Branco
Bibliographic record
Abstract
Objetivo: Verificar se o Memorando de Entendimento sobre Condicionalismos Específicos de Política Económica (MECPE), imposto em Portugal em período de crise pelo Fundo Monetário Internacional, Banco Central Europeu e Comissão Europeia, gerou melhoria nos resultados de eficiência no sector da Saúde. Métodos: Foi realizado um estudo de caso para avaliação dos resultados de eficiência nos departamentos clínicos da Unidade Local de Saúde de Castelo Branco (ULSCB), localizada em uma das áreas economicamente mais desfavorecidas Recorreu-se à técnica da Análise Envoltória de Dados, levando em consideração como insumos os custos e como resultados a produção registada de cada departamento clínico em três períodos de tempo antes (2002-2010), durante (2011-2014) e após a austeridade (2015-2017). Os dados referentes ao custo e produção foram fornecidos pelo Gabinete de Apoio à Gestão e pelo Gabinete de Contabilidade do hospital. Em complemento da análise quantitativa, utilizou-se o método qualitativo de análise do conteúdo das entrevistas semiestruturadas, aos diretores e administradores do hospital, que permitiu avaliar a informação que detém e que é resultado do seu treinamento e sua experiência. Resultados: Durante o período de austeridade e execução do MECPE, a unidade hospitalar estudada obteve eficiência técnica média de 0,84, que significou um aumento de 16% em relação ao período anterior. Em particular, apenas um departamento clínico (neurologia) não registou essa melhoria em sua eficiência técnica. Na análise qualitativa do estudo, a maioria dos entrevistados sentiu que a austeridade teve impacto negativo na eficiência de seus departamentos e de seu hospital, o que não se confirma pelos resultados obtidos. Conclusões: O MECPE não apenas aumentou a eficiência técnica, mas também incentivou medidas inovadoras para aumentar os ganhos nos anos subsequentes.
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 | 0.016 | 0.050 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.019 | 0.018 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.003 | 0.013 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.011 | 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".