MétaCan
Menu
Retour à la cohorte
Enregistrement W2080205734 · doi:10.1111/poms.12260

Would Allowing Privately Funded Health Care Reduce Public Waiting Time? Theory and Empirical Evidence from Canadian Joint Replacement Surgery Data

2014· article· en· W2080205734 sur OpenAlexafffundabout
Hong Chen, Qu Qian, Anming Zhang

Notice bibliographique

RevueProduction and Operations Management · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Natural Science Foundation of China
Mots-clésSubsidyIncentiveGovernment (linguistics)Public economicsBusinessPublic policyHealth careHealth policyPublic healthEconomicsMedicineNursingEconomic growthMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This study develops a theoretical model and then, using Canadian joint replacement surgery data, empirically tests the relationship between government policies that promote privately funded health care and patients’ waiting time in the public health care system. Two policies are tested: one policy allows opt‐out physicians to extra‐bill private patients, and the other provides public subsidies to private patients. We find that both policies are associated with shorter public waiting time, and that the subsidy policy appears to be more effective in waiting time reduction than the extra‐billing policy. Our findings are consistent with a dominant demand‐side effect in that these policies would provide patients an option, and some incentive, to opt out of the public health system, shifting the demand from the public health system to the private care market.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,861
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

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

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 Opus0,254
Tête enseignante GPT0,332
Écart entre enseignants0,078 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations22
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetHealthcare Policy and ManagementTravaux en français237 207