MétaCan
Menu
← Retour à la cohorte
Enregistrement W1508127899

Developing Needs-based Funding Formulae Using Individual-level Linked Survey and Utilization Data: An Application to Home Care Services in Ontario, Canada

2004· preprint· en· W1508127899 sur OpenAlexaffabout
Jeremiah Hurley, Brian Hutchison, Gioia Buckley, Christel A. Woodward

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2004
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSample (material)Needs assessmentSurvey data collectionHealth careBusinessSurvey samplingPublic economicsActuarial scienceEnvironmental healthEconomic growthMedicineEconomicsStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A common goal of health policy is to allocate public health care resources according to need. This paper presents a method for developing needs-based funding formulae using individual-level linked health survey and utilization data. Needs-based funding shares are developed in three basic stages: (1) estimate the full utilization model, including both need-related and non-need-related adjustors; (2) predict individual-level needs-based home care utilization holding all non-need factors constant; use individual-level estimates and sample weights to develop regional needs-based allocations. The results suggest that methods based on such data offer considerable potential; however, they all raise several new challenges.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,335
Tête enseignante GPT0,382
Écart entre enseignants0,047 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetHealthcare Policy and Management→Travaux en français237 207→