MétaCan
Menu
Retour à la cohorte
Enregistrement W1540998460

Modelling Individual Patient Hospital Expenditure for General Practice Budgets

2011· preprint· en· W1540998460 sur OpenAlexfundno aff
Hugh Gravelle, Mark Dusheiko, Stephen Martin, Peter Smith, Nigel Rice, Jennifer Dixon

Notice bibliographique

RevueWhite Rose Research Online (University of Leeds, The University of Sheffield, University of York) · 2011
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesImperial College LondonYork UniversityLondon School of Hygiene and Tropical Medicine
Mots-clésIncentiveSet (abstract data type)PopulationEconometricsEconomicsActuarial scienceMedicineComputer scienceEnvironmental healthMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The English NHS has introduced a system of budgets for general practices covering hospital expenditure for the patients on their lists. We model individual expenditure using diagnostic information from previous hospital spells, plus a large set of attributed variables measuring population, general practice, and local hospital characteristics. We show that, despite the large proportion of zero expenditures and the heavy right tail of expenditures, estimating models of untransformed expenditure via OLS yields better predictions at practice level than one or two part models using OLS with transformed expenditure or Generalised Linear Models. We describe a procedure for setting budgets for general practices which reduces the problem of the lags in the available data. We examine the distinction between need and non-need variables and the incentive implications of allowing past numbers of hospital encounters to determine practice budgets.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,583
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,135
Tête enseignante GPT0,284
Écart entre enseignants0,149 · 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'étudeSans objet
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

Citations9
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWhite Rose Research Online (University of Leeds, The University of Sheffield, University of York)Même sujetHealthcare Policy and ManagementTravaux en français237 207