MétaCan
Menu
← Retour à la cohorte
Enregistrement W2030289115 · doi:10.1371/journal.pone.0003953

The Impact of Changing Medicaid Enrollments on New Mexico's Immunization Program

2008· article· en· W2030289115 sur OpenAlexafffund
Michael A. Schillaci, Howard Waitzkin, Tom Sharmen, Sandra Romain

Notice bibliographique

RevuePLoS ONE · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesSchool of Medicine, University of New MexicoAgency for Healthcare Research and QualityUniversity of Toronto
Mots-clésMedicaidImmunizationMedicineEconomic growthHealth careImmunologyEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Immunizations are an important component to pediatric primary care. New Mexico is a relatively poor and rural state which has sometimes struggled to achieve and maintain its childhood immunization rates. We evaluated New Mexico's immunization rates between 1996 and 2006. Specifically, we examined the increase in immunization rates between 2002 and 2004, and how this increase may have been associated with Medicaid enrollment levels, as opposed to changes in government policies concerning immunization practices. METHODS AND FINDINGS: This study examines trends in childhood immunization coverage rates relative to Medicaid enrollment among those receiving Temporary Assistance for Needy Families (TANF) in New Mexico. Information on health policy changes and immunization coverage was obtained from state governmental sources and the National Immunization Survey. We found statistically significant correlations varying from 0.86 to 0.93 between immunization rates and Medicaid enrollment. CONCLUSIONS: New Mexico's improvement and subsequent deterioration in immunization rates corresponded with changing Medicaid coverage, rather than the state's efforts to change immunization practices. Maintaining high Medicaid enrollment levels may be important for achieving high childhood immunization levels.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,078
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,319
Écart entre enseignants0,256 · 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

Citations1
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→