Willingness to Pay for Quality of Life Technologies to Enhance Independent Functioning Among Baby Boomers and the Elderly Adults
Notice bibliographique
Résumé
PURPOSE: We report the results of a study designed to assess whether and how much potential individual end users are willing to pay for Quality of Life Technologies (QoLTs) designed to enhance functioning and independence. DESIGN AND METHODS: We carried out a web survey of a nationally representative sample of U.S. baby boomers (aged 45-64; N = 416) and older adults (aged 65 and greater, N = 114). Respondents were first instructed to assume that they needed help with kitchen activities/personal care and that technology was available to help with things like meal preparation/dressing, and then they were asked the most they would be willing to pay each month out of pocket for these technologies. RESULTS: We modeled willingness to pay some (72% of respondents) versus none (28%), and the most people were willing to pay. Those willing to pay something were on average willing to pay a maximum of $40.30 and $45.00 per month for kitchen and personal care technology assistance, respectively. Respondents concerned about privacy or who were currently using assistive technology were less willing to pay. Respondents with higher incomes, who were Hispanic, or who perceived a higher likelihood of needing help in the future were more willing to pay. IMPLICATIONS: Consumers' willingness to pay out of pocket for technologies to improve their well-being and independence is limited. In order to be widely adopted, QoLTs will have to be highly cost effective so that third party payers such as Medicare and private insurance companies are willing to pay for them.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».