A Confiabilidade dos Dados Financeiros de Hospitais Filantrópicos Canadenses: Um Estudo Empírico Baseado na Lei de Benford
Notice bibliographique
Résumé
A Lei de Benford (LB) é uma distribuição logarítmica útil para se detectar padrões anormais em conjuntos de números. Ela é frequentemente usada nas práticas de auditoria de dados para detectar indícios de práticas ilegais, erros ou ocorrências indesejáveis, tais como fraude e gestão de resultados. Neste estudo descritivo, foram analisados os dados financeiros (receitas e despesas) dos hospitais filantrópicos sediados nas províncias de Ontário e Quebec, as quais reúnem 71,4% do total dessas organizações no Canadá. O objetivo desta pesquisa foi verificar a confiabilidade dos dados financeiros dos respectivos hospitais utilizando-se como proxy de confiabilidade a distribuição probabilística prevista pela LB. A amostra foi formada por 1.334 observações relacionadas 339 entidades no exercício fiscal de 2009 e 328 entidades no ano de 2010, obtidas do banco eletrônico de dados da Canda Revenue Agency. Para a análise dos desvios entre as frequências observadas e esperadas dos dados, foram calculadas duas estatísticas: Z-teste e Chi-quadrado. Os resultados apontaram que, com um nível de confiança de 95%, os conjuntos de dados financeiros relacionados às receitas e despesas dos hospitais filantrópicos localizados em Ontário e Quebec estão em conformidade com a LB, sugerindo que, em uma análise preliminar, os respectivos dados não possuem viés.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».