Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper I examine the effects that state policy decisions have had on the early impact of the Affordable Care Act (ACA) using data through the first half of 2014. I focus on the individual health insurance market, which includes plans purchased through exchanges as well as plans purchased directly from insurers. In this market, at least 13.2 million people were covered in the second quarter of 2014, representing an increase of at least 4.2 million beyond pre-ACA state-level trends. I use data on coverage, premiums, and costs and a model developed by Martin Hackmann, Jonathan Kolstad, and myself (forthcoming) to calculate changes in selection and markups, which allow me to estimate the welfare impact of the ACA on participants in the individual health insurance market in each state. I then focus on comparisons across groups of states. The estimates from my model imply that market participants in the five “direct enforcement” states—those that ceded all enforcement of the ACA to the federal government—are experiencing welfare losses of approximately $245 per participant on an annualized basis, relative to participants in all other states. The estimates also imply that the impact of setting up a state exchange depends meaningfully on how well the exchange functions. Market participants in the six states that had severe exchange glitches are experiencing welfare losses of approximately $750 per participant on an annu-alized basis, relative to participants in other states with their own exchanges. Although the national impact of the ACA is likely to change over the course of 2014 as coverage, costs, and premiums evolve, I expect that the differential impacts that are observed across states will persist through the rest of 2014.
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle