MétaCan
Menu
Retour à la cohorte
Enregistrement W1557523031

Analyse de l'évolution des montants d'IRR versés par la CSST entre 2001 et 2009

2012· article· fr· W1557523031 sur OpenAlexaboutno aff
Stéphanie Boulenger, François Vaillancourt

Notice bibliographique

RevueCIRANO Project Reports · 2012
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesInflation ratePolitical sciencePhilosophyGynecologyEconomicsMedicineMonetary policyKeynesian economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L'objectif de ce rapport est d'identifier et d'analyser les facteurs qui pourraient être à l'origine de l'augmentation de 43 % des montants d'indemnité de remplacement de revenu (IRR) versés par la CSST entre 2001 et 2009, augmentation d'autant plus surprenante que le nombre de bénéficiaires d'IRR a diminué de 19 % au cours de la même période. Plusieurs facteurs peuvent expliquer l'augmentation de l'IRR. Premièrement, malgré une baisse du nombre de bénéficiaires, la part des lésions graves a augmenté entre 2001 et 2009, ce qui s'est traduit par une augmentation de la durée moyenne des versements d'IRR et du coût moyen de chaque lésion. Le deuxième facteur d'augmentation a été l'inflation. Étant donné que les prestations de la CSST sont indexées à l'inflation canadienne, toute hausse des prix augmente les coûts d'IRR, toutes choses étant égales par ailleurs. Le dernier facteur analysé était l'évolution de la fiscalité personnelle (impôt sur le revenu) canadienne ou québécoise, qui a aussi contribué à augmenter les versements d'IRR. La plupart de ces facteurs, à part la gravité, échappent au contrôle de la CSST. Les programmes de prévention de la CSST peuvent réduire le nombre de lésions, mais paradoxalement, ceci peut s'accompagner d'un accroissement de la part des lésions graves.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil0,468

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,067
Tête enseignante GPT0,347
Écart entre enseignants0,280 · 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'étudeObservationnel
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIRANO Project ReportsMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207