MétaCan
Menu
Retour à la cohorte
Enregistrement W2085659021 · doi:10.1111/coep.12044

IS EMPLOYMENT DISCRIMINATION BASED ON TOBACCO USE EFFICIENT?

2014· article· en· W2085659021 sur OpenAlexaff
Ian Irvine, Hai V. Nguyen

Notice bibliographique

RevueContemporary Economic Policy · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDemographic economicsMedical costsBusinessEconomic costDuration (music)Variety (cybernetics)Environmental healthDemographyEconomicsActuarial scienceMedicineStatisticsHealth careMathematicsMicroeconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Numerous employers in over 20 U.S. states currently discriminate legally against smokers in their hiring policies. We analyze the cost of being a smoker, measured in annual hospital days, and compare this with the cost of being a former smoker, the cost of being obese, and the cost of a variety of other medical conditions, relative to the cost of being a never smoker, using three large recent surveys each having in excess of one hundred thousand observations. The paper also explores the cost of former smokers as determined by the number of years since quitting. Smokers as a whole are not found to be the most costly employees. Furthermore, health costs vary dramatically among smokers of different duration and intensity. As a consequence, our results question the efficiency of such discrimination . ( JEL I10, I18, J71, J7)

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,105
Tête enseignante GPT0,296
Écart entre enseignants0,191 · 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.

Devis d'étudeThéorique ou conceptuel
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Economic PolicyMême sujetHealthcare Policy and ManagementTravaux en français237 207