MétaCan
Menu
Retour à la cohorte
Enregistrement W2093981576 · doi:10.1177/1077558709338479

CEO Compensation and Hospital Financial Performance

2009· article· en· W2093981576 sur OpenAlexaffabout
Kristin L. Reiter, Guillermo A. Sandoval, Adalsteinn Brown, George H. Pink

Notice bibliographique

RevueMedical Care Research and Review · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensGovernment of OntarioUniversity of Toronto
Organismes subventionnairesNational Center for Research Resources
Mots-clésBusinessCompensation (psychology)FinancePsychology

Résumé

récupéré en direct d'OpenAlex

Growing interest in pay-for-performance and the level of chief executive officers' (CEOs') pay raises questions about the link between performance and compensation in the health sector. This study compares the compensation of nonprofit hospital CEOs in Ontario, Canada to the three longest reported and most used measures of hospital financial performance. Our sample consisted of 132 CEOs from 92 hospitals between 1999 and 2006. Unbalanced panel data were analyzed using fixed effects regression. Results suggest that CEO compensation was largely unrelated to hospital financial performance. Inflation-adjusted salaries appeared to increase over time independent of hospital performance, and hospital size was positively correlated with CEO compensation. The apparent upward trend in salary despite some declines in financial performance challenges the fundamental assumption underlying this article, that is, financial performance is likely linked to CEO compensation in Ontario. Further research is needed to understand long-term performance related to compensation incentives.

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)0,002
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,246

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,096
Tête enseignante GPT0,372
Écart entre enseignants0,276 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Care Research and ReviewMême sujetHealthcare Policy and ManagementTravaux en français237 207