MétaCan
Menu
Retour à la cohorte
Enregistrement W2286200848 · doi:10.1377/hlthaff.2015.0100

The Economic Downturn And Its Lingering Effects Reduced Medicare Spending Growth By $4 Billion In 2009–12

2015· article· en· W2286200848 sur OpenAlexaff
David Dranove, Craig Garthwaite, Christopher Ody

Notice bibliographique

RevueHealth Affairs · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésRecessionEconomicsGreat recessionDemographic economicsHealth spendingLabour economicsHealth careHealth insuranceEconomic growthMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Previous work has found a strong connection between the most recent economic recession and reductions in private health spending. However, the effect of economic downturns on Medicare spending is less clear. In contrast to studies involving earlier time periods, our study found that when the macroeconomy slowed during the Great Recession of 2007-09, so did Medicare spending growth. A small (14 percent) but significant share of the decline in Medicare spending growth from 2009 to 2012 relative to growth from 2004 to 2009 can be attributed to lingering effects of the recession. Absent the economic downturn, Medicare spending would have been $4 billion higher in 2009-12. A major reason for the relatively small impact of the macroeconomy is the relative lack of labor-force participation among people ages sixty-five and older. We estimate that if they had been working at the same rate as the nonelderly before the recession, the effect of the downturn on Medicare spending growth would have been twice as large.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,399
Écart entre enseignants0,355 · 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'étudeSans objet
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetGlobal Health Care IssuesTravaux en français237 207