MétaCan
Menu
Retour à la cohorte
Enregistrement W2101070058 · doi:10.22329/wyaj.v31i2.4420

MARGINALIZING TRANS MEDICAL EXPENSES: LINE-DRAWING EXERCISES IN TAX

2013· article· en· W2101070058 sur OpenAlexvenueaboutno aff
Samuel Singer

Notice bibliographique

RevueWindsor Yearbook of Access to Justice · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLine (geometry)BusinessPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

This article explores the treatment of trans medical expenses under American and Canadian tax laws. In both tax systems, medical expenses are deemed worthy of tax relief, while many cosmetic procedures are excluded. This article argues that tax administrators and the judiciary are influenced by social stigma when they employ the distinction between cosmetic and medical expenses to exclude or allow trans medical expenses. In the American context, this article focuses on the Internal Revenue Service’s reasons for deeming a trans woman’s gender dysphoria-related medical expenses to be ineligible for the medical deduction. It then turns to the taxpayer’s subsequent appeal to the U.S. Tax Court in O’Donnabhain v. Commissioner, 134 TC no. 4, and the Court’s determination that, while the taxpayer’s sex reassignment surgery and hormone therapy were eligible expenses, her breast augmentation was not deductible. The article follows by outlining the Canadian medical expense tax credit to determine how similar trans medical expenses might be treated in light of a budget amendment in 2010 prohibiting claims for most cosmetic procedures. The article concludes that in both the American and Canadian context, trans people are held to a higher standard than required under each respective tax statute, with their gender dysphoria-related medical expenses needing to be documented as “medically necessary” to avoid categorization as ineligible cosmetic expenses.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,042
Tête enseignante GPT0,282
Écart entre enseignants0,240 · 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'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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWindsor Yearbook of Access to JusticeMême sujetCorporate Taxation and AvoidanceTravaux en français237 207