MétaCan
Menu
Retour à la cohorte
Enregistrement W2158062010 · doi:10.1177/0272989x02238301

Willingness to Pay for What? A Note on Alternative Definitions of Health Care Program Benefits for Contingent Valuation Studies

2002· article· en· W2158062010 sur OpenAlexaff
Gillian Currie, Cam Donaldson, Bernie J. OʼBrien, Greg L. Stoddart, George W. Torrance, Michael Drummond

Notice bibliographique

RevueMedical Decision Making · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensCanadian Institute for Advanced ResearchMcMaster UniversitySt. Joseph's HospitalSt. Joseph’s Healthcare HamiltonUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésContingent valuationWillingness to payActuarial scienceValuation (finance)Health careEconomicsCost–benefit analysisValue (mathematics)Health economicsPublic economicsMicroeconomicsStatisticsAccountingMathematics

Résumé

récupéré en direct d'OpenAlex

The authors examine a number of ways in which willingness to pay (WTP) can be defined for measurement and use in a cost-benefit analysis (CBA) of a collectively funded health care program. They show how ambiguous specification of the program consequences that respondents should consider in their WTP responses can lead to problems of double counting or zero countingin a subsequent CBA. An example is whether the value of lost time from work because of poor health should be included by a CBA analyst (e.g., valued at the wage rate) as a separate cost item or whether this has already been monetized and included in respondents' WTP data. The authors highlight how differences in assumed or actual institutional structures are often ignored in measures of WTP and the consequences of this for the interpretation of WTP data.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,415
Tête enseignante GPT0,386
Écart entre enseignants0,029 · 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'étudeAutre devis
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

Citations14
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetEconomic and Environmental ValuationTravaux en français237 207