MétaCan
Menu
Retour à la cohorte
Enregistrement W2171298161 · doi:10.1093/geronb/60.3.s160

Widow(er) Poverty and Out-of-Pocket Medical Expenditures Near the End of Life

2005· article· en· W2171298161 sur OpenAlexaboutno aff
Kathleen McGarry, Robert F. Schoeni

Notice bibliographique

RevueThe Journals of Gerontology Series B · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingCollege of Pharmacy, University of Michigan
Mots-clésPovertySpouseQuarter (Canadian coin)Poverty levelDemographic economicsDemographyPoverty thresholdSocioeconomicsEconomicsGerontologyEconomic growthGeographyMedicinePolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Elderly widows are three times as likely to live in poverty as older married people. This study investigates the gap in poverty, income, and wealth between these groups. Focus is placed on the role played by out-of-pocket medical expenditures spent on dying spouses. METHODS: A national panel survey of people age 70 and older in 1993 was used. Income, poverty, wealth, and out-of-pocket expenditures were examined before and after widowhood, with comparisons made with couples not experiencing a death. RESULTS: Forty-four percent of the difference in economic status between widow(er)s and married elderly persons was due to disparities in economic status that existed prior to widowhood. The remaining 56% was due to factors more directly related to the death of a spouse, including the loss of income and expenses associated with dying. On average, out-of-pocket medical expenditures in the final 2 years of life were equal to 30% of the couple's annual income. For couples in the bottom quarter of the income distribution, these expenditures were 70% of their income. DISCUSSION: As policy makers continue to debate expansions and reforms of Medicare, the potential effects of these reforms on economic well-being, particularly among widows, should be considered.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
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)0,0030,000

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 Opus0,063
Tête enseignante GPT0,298
Écart entre enseignants0,234 · 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

Citations111
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series BMême sujetHealthcare Systems and ReformsTravaux en français237 207