MétaCan
Menu
Retour à la cohorte
Enregistrement W1520423001 · doi:10.3386/w18630

The Effects of Information, Social and Economic Incentives on Voluntary Undirected Blood Donations: Evidence from a Randomized Controlled Trial in Argentina

2012· report· en· W1520423001 sur OpenAlexafffund
Victor Iajya, Nicola Lacetera, Mario Macis, Robert Slonim

Notice bibliographique

RevueNational Bureau of Economic Research · 2012
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBlood donation and transfusion practices
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCarey Business School, Johns Hopkins UniversitySocial Sciences and Humanities Research Council of CanadaUniversity of British ColumbiaSimon Fraser UniversityJohns Hopkins University
Mots-clésIncentiveTurnoverRandomized controlled trialBusinessEconomicsPublic economicsMicroeconomicsMedicineInternal medicineManagement

Résumé

récupéré en direct d'OpenAlex

In many low-and middle-income countries blood donations per capita are substantially lower than in advanced economies. In these countries blood supply is mostly collected through donations by relatives and friends of individuals needing transfusions or to replace blood used in emergencies. The World Health Organization considers this method of blood supply inefficient compared to undirected voluntary donations. To examine methods to motivate undirected voluntary donations, we ran a large-scale, natural field experiment in Argentina testing the effectiveness of information, social and economic incentives. We find that only higher-valued economic incentives generated more donations, increasing in the value of the incentive. These incentives did not create adverse selection in the safety and usability of the donated blood. We discuss the implications of our findings for researchers interested in understanding motivations for pro-social behavior and for health agencies and policymakers concerned with the current and growing shortages in blood supply in low-and middle-income countries.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,146
Tête enseignante GPT0,421
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
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

Citations7
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetBlood donation and transfusion practicesTravaux en français237 207