MétaCan
Menu
Retour à la cohorte
Enregistrement W2728109037 · doi:10.1377/hlthaff.2017.0174

End-Of-Life Medical Spending In Last Twelve Months Of Life Is Lower Than Previously Reported

2017· article· en· W2728109037 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueHealth Affairs · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensHEC MontréalUniversité de SherbrookeCenter for Interuniversity Research and Analysis on Organizations
Organismes subventionnairesCommon FundNational Institutes of HealthHelsefondenEconomic and Social Research CouncilMinistry of Science and Technology, TaiwanAcademia SinicaNetwork for Studies on Pensions, Aging and RetirementNational Research FoundationCentre for Economic Policy ResearchDanmarks GrundforskningsfondSamfund og Erhverv, Det Frie Forskningsråd
Mots-clésGerontologyMedicineDemographySociology

Résumé

récupéré en direct d'OpenAlex

Although end-of-life medical spending is often viewed as a major component of aggregate medical expenditure, accurate measures of this type of medical spending are scarce. We used detailed health care data for the period 2009-11 from Denmark, England, France, Germany, Japan, the Netherlands, Taiwan, the United States, and the Canadian province of Quebec to measure the composition and magnitude of medical spending in the three years before death. In all nine countries, medical spending at the end of life was high relative to spending at other ages. Spending during the last twelve months of life made up a modest share of aggregate spending, ranging from 8.5 percent in the United States to 11.2 percent in Taiwan, but spending in the last three calendar years of life reached 24.5 percent in Taiwan. This suggests that high aggregate medical spending is due not to last-ditch efforts to save lives but to spending on people with chronic conditions, which are associated with shorter life expectancies.

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.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,081
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,090
Tête enseignante GPT0,458
Écart entre enseignants0,369 · 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