MétaCan
Menu
Retour à la cohorte
Enregistrement W2025628000 · doi:10.12927/hcpol.2013.23622

Waste, Economists and American Healthcare

2013· article· fr· W2025628000 sur OpenAlexvenueno aff
R. W. Evans

Notice bibliographique

RevueHealthcare policy · 2013
Typearticle
Languefr
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careWaste managementEnvironmental scienceMedicineEconomicsEngineeringEconomic growth

Résumé

récupéré en direct d'OpenAlex

Twenty-five years ago, Uwe Reinhardt pointed out that sheer bureaucratic waste, particularly in the private sector, accounted for much of the extraordinarily high cost of American health-care. Last year an expert panel of the Institute of Medicine reconfirmed his point, estimating that in 2009, administrative waste accounted for $190 billion out of a total of $765 billion in various forms of waste--31% of overall American spending on healthcare. Reinhardt recently noted a peculiar schizophrenia among American economists, simultaneously deploring this monumental waste while celebrating the contribution of healthcare, and particularly medical research, to the American economy. The apparent paradox may arise from a confusion between the meanings of "value" in economic and everyday language, and from economists' tendency to create pseudo-aggregates of diverse and non-commensurate entities.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,008

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 Opus0,486
Tête enseignante GPT0,554
Écart entre enseignants0,069 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations15
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetHealthcare cost, quality, practicesTravaux en français237 207