MétaCan
Menu
Retour à la cohorte
Enregistrement W2136981866 · doi:10.1371/journal.pone.0096902

The Cost and Impact of the Interim Federal Health Program Cuts on Child Refugees in Canada

2014· article· en· W2136981866 sur OpenAlexaffabout
Andrea Evans, Alexander Caudarella, Savithiri Ratnapalan, Kevin Chan

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensMemorial University of NewfoundlandSt. Michael's HospitalHospital for Sick ChildrenPublic Health OntarioUniversity of TorontoSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésRefugeeInterimMedicineHealth careFamily medicineEmergency departmentMedical emergencyPolitical scienceNursing

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: On June 30, 2012, Interim Federal Health Program (IFHP) funding was cut for refugee claimant healthcare. The potential financial and healthcare impacts of these cuts on refugee claimants are unknown. METHODS: We conducted a one-year retrospective chart review spanning 6 months before and after IFHP funding cuts at The Hospital for Sick Children, a tertiary care children's hospital in Toronto. We analyzed emergency room visits characteristics, admission rates, reasons for admission, and financial records including billing from Medavie Blue Cross. RESULTS: There were 173 refugee children visits to the emergency room in the six months before and 142 visits in the six months after funding cuts. The total amount billed to the IFHP program during the one-year of this study was $131,615. Prior to the IFHP cuts, 46% of the total emergency room bills were paid by IFHP compared to 7% after the cuts (p<0.001). INTERPRETATION: After the cuts to the IFHP, The Hospital for Sick Children was unable to obtain federal health coverage for the vast majority of refugee claimant children registered under the IFHP. This preliminary analysis showed that post-IFHP cuts healthcare costs at the largest tertiary pediatric institution in the country increased.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,037
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,035
Tête enseignante GPT0,337
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), 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

Citations28
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMigration, Health and TraumaTravaux en français237 207