MétaCan
Menu
← Retour à la cohorte
Enregistrement W2035186879 · doi:10.12927/hcpap.2008.19797

Workers' Compensation Boards and Nineteenth Century French Railway Firms

2008· letter· en· W2035186879 sur OpenAlexaffvenueabout
François Béland

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2008
Typeletter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSubsidyCrowding outBusinessCompensation (psychology)Health careQuality (philosophy)Public fundingLabour economicsFinancePublic economicsEconomicsPublic administrationEconomic growthMarket economyPolitical scienceMonetary economics

Résumé

récupéré en direct d'OpenAlex

WCBs are able to provide fast access to high-quality healthcare to workers through their role as parallel payers in a publicly financed healthcare system. On the positive side, added funding from WCBs may help public facilities to fund and keep costly medical expertise. On the negative side, WCBs may drive them to accept much-needed funding below true costs of care and to crowd out public-pay patients. Some studies showed that governments were expecting from policies supporting parallel private payers the benefits hoped for by Hurley et al, while some of their negative effects could not be avoided. The combination of cost shifting from public-pay to private-pay patients, and of crowding out, are the ingredients of a Dupuit's case wherein third-class passengers riding the nineteenth century French railway system were subsidizing first- and second-class passengers. With the pressure for allowing private financing of healthcare throughout Canada, the Canadian healthcare system may be ripe for a ride toward subsidization of private-pay patients by the public purse, with a little help from WCBs.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,426

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,005
Communication savante0,0070,004
Science ouverte0,0020,002
Intégrité de la recherche0,0520,026
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,065
Tête enseignante GPT0,274
Écart entre enseignants0,209 · 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
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy→Même sujetHealthcare Policy and Management→Travaux en français237 207→