![](https://mcbkonferencje.pl/sklep/39-large_default/mierzenie-efektywnosci-w-ochronie-zdrowia.jpg)
![](https://mcbkonferencje.pl/sklep/39-large_default/mierzenie-efektywnosci-w-ochronie-zdrowia.jpg)
Wydatki na ochronę zdrowia mają znaczny udział w budżetach narodowych, dlatego dążenie do efektywności stało się najważniejszym celem decydentów w większości systemów ochrony zdrowia. Analiza i pomiar efektywności są jednak niezwykle złożonym przedsięwzięciem ze względu na różnorodne cele podmiotów w ochronie zdrowia i luki w systemach informacyjnych. W reakcji na tę złożoność rozwinęły się badania dotyczące analizy efektywności organizacji.
Publikacja jest przeznaczona dla menedżerów podmiotów leczniczych, przedstawicieli władz samorządowych i osób, które podejmują decyzje wpływające na jakość i dostępność świadczeń medycznych.
Autor: Rowena Jacobs, Peter C. Smith, Andrew Street
Wydanie: Warszawa 2013
Wydawnictwo: Wolters Kluwer Polska
Liczba stron: 236
Polityka bezpieczeństwa
Zasady dostawy
Zasady zwrotu
Spis treści:
Wstęp
Podziękowania
Wykaz skrótów
1. Efektywność w ochronie zdrowia
1.1. Wprowadzenie
1.2. Zapotrzebowanie na analizę efektywności w ochronie zdrowia
1.3. Efektywność organizacji
1.4. Analityczne techniki pomiaru efektywności
1.5. Doświadczenie z analizą efektywności w ochronie zdrowia
1.6. Cel książki
2. Składniki modelu efektywności
2.1. Wprowadzenie
2.2. Jednostki analizy
2.3. Czym są produkty w ochronie zdrowia?
2.3.1. Wyniki zdrowotne
2.3.2. Miary działalności
2.4. Określanie wartości produktów ochrony zdrowia
2.5. Czynniki wytwórcze
2.5.1. Praca
2.5.2. Kapitał
2.5.3. Streszczenie
2.6. Ograniczenia środowiskowe
2.7. Wyzwania praktyczne
2.8. Wnioski
3. Analiza stochastycznej funkcji granicznej (SFA) dla danych przekrojowych
3.1. Wprowadzenie
3.2. Analizy stochastycznej funkcji granicznej
3.2.1. Którą funkcję estymować - produkcji czy kosztów?
3.2.2. Czy przekształcać zmienne?
3.2.3. Czy estymować funkcję wielkości całkowitych, czy przeciętnych?
3.2.4. Które zmienne objaśniające uwzględnić?
3.2.5. Jak modelować resztę?
3.2.6. Jak uzyskiwać oszacowania efektywności?
3.3. Studium przypadku - analiza szpitali brytyjskich
3.4. Wnioski
4. Analiza stochastycznej funkcji granicznej (SFA) dla danych panelowych
4.1. Wprowadzenie
4.2. Efektywność niezmienna w czasie
4.2.1. Zastosowanie empiryczne
4.3. Efektywność zmieniająca się w czasie
4.3.1. Zastosowanie empiryczne
4.4. Nieobserwowana heterogeniczność
4.4.1. Zastosowanie empiryczne
4.5. Podsumowanie i analiza wrażliwości
4.6. Wnioski
5. Metoda DEA (analiza danych granicznych)
5.1. Wprowadzenie
5.2. Metodologia DEA
5.2.1. Efektywność zorientowana na czynniki wytwórcze
5.2.2. Efektywność zorientowana na produkty
5.2.3. Metoda DEA w praktyce
5.3. Rozważania o metodzie DEA
5.3.1. Czy przyjąć stałe, czy zmienne korzyści skali?
5.3.2. Jaką orientację przyjąć - na czynniki wytwórcze czy na produkty?
5.3.3. Czy do wag zastosować ograniczenia?
5.3.4. Jak uporać się z luzami?
5.3.5. W jaki sposób przeprowadzić specyfikację i ocenę jakości modelu DEA?
5.3.6. Jak dostosować model do czynników środowiskowych?
5.4. Studium przypadku - analiza szpitali brytyjskich
5.4.1. Metody i dane
5.4.2. Specyfikacje modelu
5.4.3. Wyniki
5.5. Wnioski
6. Indeks Malmquista
6.1. Wprowadzenie
6.2. Metodologia Malmquista
6.2.1. Ilustracja graficzna
6.2.2. Ogólna postać indeksu Malmquista
6.3. Zastosowania indeksu Malmquista
6.4. Studium przypadku - analiza szpitali brytyjskich
6.4.1. Metody i dane
6.4.2. Specyfikacje modelu
6.4.3. Wyniki
6.5. Wnioski
7. Porównanie SFA i DEA
7.1. Wprowadzenie
7.2. Dlaczego SFA i DEA dostarczają różnych oszacowań efektywności?
7.3. Pozostałe różnice między SFA i DEA
7.4. Studium przypadku - porównanie różnych metodologii
7.4.1. Metody i dane
7.4.2. Specyfikacje modelu
7.4.3. Wyniki
7.5. Wnioski
8. Pomiar efektywności - nierozwiązane kwestie i wyzwania
8.1. Wprowadzenie
8.2. Wagi produktów
8.3. Modelowanie procesu produkcji
8.4. Ograniczenia środowiskowe
8.5. Efekty dynamiczne
8.6. Wnioski
9. Alternatywne podejścia do mierzenia działalności
9.1. Wprowadzenie
9.2. Modelowanie wielostopniowe
9.3. Uogólnione modelowanie statystyczne
9.3.1. Przykład ilustrujący
9.4. Regresja pozornie niezależna (SUR) w podejściu wielostopniowym
9.4.1. Przykład ilustrujący
9.5. Wnioski
10. Wnioski
10.1. Wprowadzenie
10.2. Wagi produktów
10.3. Podział nieobjaśnionego zróżnicowania
10.4. Nierozwiązane kwestie techniczne
10.5. Dla kreatorów polityki i ustawodawców