Crowdfunding FOR MEDICAL CARE: <i>Ethical Issues in an Emerging Health Care Funding Practice</i>
Notice bibliographique
Résumé
Crowdfunding websites allow users to post a public appeal for funding for a range of activities, including adoption, travel, research, participation in sports, and many others. One common form of crowdfunding is for expenses related to medical care. Medical crowdfunding appeals serve as a means of addressing gaps in medical and employment insurance, both in countries without universal health insurance, like the United States, and countries with universal coverage limited to essential medical needs, like Canada. For example, as of 2012, the website Gofundme had been used to raise a total of 8.8 million dollars (U.S.) for seventy-six hundred campaigns, the majority of which were health related. This money can make an important difference in the lives of crowdfunding users, as the costs of unexpected or uninsured medical needs can be staggering. In this article, I offer an overview of the benefits of medical crowdfunding websites and the ethical concerns they raise. I argue that medical crowdfunding is a symptom and cause of, rather than a solution to, health system injustices and that policy-makers should work to address the injustices motivating the use of crowdfunding sites for essential medical services. Despite the sites' ethical problems, individual users and donors need not refrain from using them, but they bear a political responsibility to address the inequities encouraged by these sites. I conclude by suggesting some responses to these concerns and future directions for research.
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 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 | 0,003 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».