MétaCan
Menu
Retour à la cohorte
Enregistrement W2487725774 · doi:10.18192/riss-ijhs.v2i2.1517

Quelle est la Part des Regimes Publics d’Assurance- Medicament aux Resultats de Sante? Une Etude de Cas Multiples au Nouveau-Brunswick, en Ontario, et au Quebec

2012· article· en· W2487725774 sur OpenAlexaffvenueabout
Marika Alary-Vanasse, Sanni Yaya

Notice bibliographique

RevueRevue interdisciplinaire des sciences de la santé - Interdisciplinary Journal of Health Sciences · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensIntertek (Canada)University of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionResidencePopulationPolitical sciencePrescription drugHealth careGerontologyMedicineDemographyEnvironmental healthSociologyNursing

Résumé

récupéré en direct d'OpenAlex

Canadian provincial and territorial drug plans vary considerably in terms of eligibility criteria, and most of the insurance plans provided are subject to caps, cost sharing and exclusions. In fact, Canadians have unequal access to prescription medications, depending on their socio-economic status and place of residence. This comes at time then the effects of population aging, an increasing number of people with multiple chronic illnesses and innovations in the prescription medications field have brought about an increase in spending on these products. The question raised by this study is does a province with a better prescription drug plan have a healthier population? This study compared coverage of prescription drug plans among people 65 years old and over in three provinces: New Brunswick, Ontario and Quebec. The results of our study suggest that senior citizen health does not seem to improve. Therefore, it is impera- tive that additional research be conducted to determine the true impact of prescription drug plans on health outcomes. This would allow for the creation of tailor-made, better-targeted programs and policies to meet community needs more adequately.

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)0,007
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,898
Score d'incertitude au seuil0,740

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0050,005
Communication savante0,0060,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,205
Tête enseignante GPT0,479
Écart entre enseignants0,274 · 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

Citations0
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRevue interdisciplinaire des sciences de la santé - Interdisciplinary Journal of Health SciencesMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207