MétaCan
Menu
Retour à la cohorte
Enregistrement W2134558710 · doi:10.1002/hec.2955

PER‐PERIOD CO‐PAYMENTS AND THE DEMAND FOR HEALTH CARE: EVIDENCE FROM SURVEY AND CLAIMS DATA

2013· article· en· W2134558710 sur OpenAlexaboutno aff
Helmut Farbmacher, Joachim Winter

Notice bibliographique

RevueHealth Economics · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversitätsklinikum Köln
Mots-clésQuarter (Canadian coin)PaymentIncentiveActuarial scienceHealth careDemographic economicsHealth insurancePeriod (music)PopulationSurvey data collectionEconomicsBusinessPublic economicsMedicineFinanceStatisticsEconomic growthEnvironmental healthGeographyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

When health insurance reforms involve non-linear price schedules tied to payment periods (for example, fees levied by quarter or year), the empirical analysis of its effects has to take the within-period time structure of incentives into account. The analysis is further complicated when demand data are obtained from a survey in which the reporting period does not coincide with the payment period. We illustrate these issues using as an example a health care reform in Germany that imposed a per-quarter fee of €10 for doctor visits and additionally set an out-of-pocket maximum. This co-payment structure results in an effective 'spot' price for a doctor visit that decreases over time within each payment period. Taking this variation into account, we find a substantial reform effect-especially so for young adults. Overall, the number of doctor visits decreased by around 9% in the young population. The probability of visiting a physician in any given quarter decreased by around 4 to 8 percentage points.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,294
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,196
Tête enseignante GPT0,362
Écart entre enseignants0,165 · 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'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

Citations23
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealthcare Policy and ManagementTravaux en français237 207