Illuminating the Consequences of Policy Change.

The ripple effects of major policy changes are difficult to predict in advance. That is why the ability to track consequences of decisions - intended and unintended - is an important role of health services and policy research. In this issue of the journal, Janine Brown, Lilian Thorpe and Donna Goodridge discuss our ability to track medically assisted death (MAiD), one of the most significant health policy changes in Canada in recent history. Whatever one's views on MAiD, there is consensus on the need to understand how often, and in what circumstances, such deaths take place. Being able to track deaths in a consistent way also matters. Comparisons between different population groups, across regions of the country, and with other nations can be helpful in illuminating the effects of this policy and its application.

“One of the greatest mistakes is to judge policies and programs by their intentions rather than their results.”

– Milton Friedman

The ripple effects of major policy changes are difficult to predict in advance. That is why the ability to track consequences of decisions – intended and unintended – is an important role of health services and policy research.

In this issue of the journal, Janine Brown, Lilian Thorpe and Donna Goodridge discuss our ability to track medically assisted death (MAiD), one of the most significant health policy changes in Canada in recent history. Whatever one's views on MAiD, there is consensus on the need to understand how often, and in what circumstances, such deaths take place. Being able to track deaths in a consistent way also matters. Comparisons between different population groups, across regions of the country, and with other nations can be helpful in illuminating the effects of this policy and its application.

This type of analysis builds on a long history of the use of mortality statistics to inform decisions with important health consequences. For instance, Florence Nightingale famously used mortality data to describe the sanitary conditions in hospitals during the Crimean War. Globally, they continue to be used today to track Ebola and other infectious disease outbreaks. Mortality data are also used to understand chronic disease patterns and trends, among other applications.

Analysis of mortality statistics is a good example of the value of routinely collected data for revealing the consequences of emerging and evolving policy and practice. Other articles in this issue showcase the value of such data for understanding a wide range of other issues, from the provision of obstetrical care to physician retirement patterns.

As with other types of research, the ability to derive meaningful insights from routinely collected data depends not just on the quality of the underlying data but also on how the analysis was undertaken and reported. Reporting guidelines – such as those collated by the Equator Network – aim to improve the value and robustness of research by strengthening transparency and accuracy of published reports. Specific guidelines are available for a wide and growing range of types of research.

At Healthcare Policy/Politiques de Santé, we have long endorsed the use of such reporting guidelines as a way to strengthen the quality of scholarly work. Nevertheless, failure to follow such guidelines or to provide a thoughtful justification for why they do not apply in a specific case is one of the most common reasons for articles to be rejected prior to peer review. If you are preparing an article for publication in our journal – or reporting research in any other forum – I strongly encourage you to review and apply relevant guidelines throughout the research and writing process. Doing so will make our lives easier as editors and reviewers, and more importantly will make the results of your research more useful for readers. For details, please see the Instructions for Authors on our website: https://www.longwoods.com/pages/hpl-for-authors.

« Une des plus grandes erreurs est de juger les politiques et programmes sur les intentions plutôt que sur les résultats. »

– Milton Friedman

Il est difficile de prévoir l'effet d'entraînement des changements de politiques. C'est pourquoi la capacité de retracer les répercussions – intentionnelles ou non – des décisions revêt une grande importance pour la recherche sur les politiques et services de santé.

Dans le présent numéro, Janine Brown, Lilian Thorpe et Donna Goodridge commentent la capacité de retracer les cas d'aide médicale à mourir (AMM), un des plus importants changements de l'histoire récente au Canada en matière de politiques de santé. Peu importe le point de vue sur l'AMM, il y a consensus quant au besoin de comprendre la fréquence et les circonstances qui entourent ce type de mortalité. Il est également important de pouvoir retracer ces cas de façon cohérente. La comparaison entre divers groupes de population, entre régions ou entre nations peut aider à comprendre les effets et l'application de cette politique.

Ce type d'analyse s'inscrit dans la longue histoire de l'utilisation des statistiques sur la mortalité afin d'éclairer des décisions qui auront d'importantes conséquences dans le domaine de la santé. Par exemple, Florence Nightingale a notablement employé les données sur la mortalité afin de décrire les conditions d'hygiène dans les hôpitaux pendant la guerre de Crimée. Ce type de données est encore largement employé aujourd'hui pour retracer, par exemple, les éclosions d'Ebola ou d'autres maladies infectieuses. Les données sur la mortalité servent aussi, entre autre, à mieux comprendre les schémas et tendances des maladies chroniques.

L'analyse des statistiques sur la mortalité est un bon exemple de l'utilité des données recueillies régulièrement, ce qui permet de décrire les répercussions des pratiques et politiques émergentes. D'autres articles du présent numéro mettent à profit l'utilité de telles données afin de mieux comprendre une vaste gamme d'enjeux, allant de la prestation des soins obstétriques aux schémas de la prise de retraite chez les médecins.

Comme c'est le cas pour d'autres types de recherche, la capacité à dégager d'importantes pistes à partir des données colligées de façon régulière ne dépend pas uniquement de la qualité des données en question, mais aussi de la façon d'effectuer et de présenter leur analyse. Les directives de présentation – telles que celles répertoriées par le réseau Equator – visent l'amélioration de la valeur et de la solidité des recherches, et ce, en renforçant la transparence et l'exactitude des rapports publiés. Il y a des directives spécifiques pour une vaste gamme de types de recherche.

Depuis longtemps, à Politiques de Santé/Healthcare Policy, nous avons en place de telles directives dont l'objectif est de renforcer la qualité des travaux. Néanmoins, le non-respect des directives, ou l'absence de justification expliquant pourquoi elles ne s'appliquent pas dans un cas précis, figure parmi les principales raisons du refus d'un article avant l'examen par les pairs. Si vous travaillez à la rédaction d'un article destiné à ces pages – ou si vous faite rapport de résultats de recherche pour tout autre forum – je vous enjoins fortement à suivre les directives tout au cours des processus de recherche et de rédaction. Cela facilitera la tâche des éditeurs et des réviseurs, et surtout cela rendra vos résultats de recherche encore plus utiles pour les lecteurs. Pour obtenir plus de renseignements à ce sujet, référez-vous aux Directives pour les auteurs sur notre site Web : https://www.longwoods.com/pages/hpl-for-authors#french.