MétaCan
Menu
Retour à la cohorte
Enregistrement W2775632528 · doi:10.1007/s11166-017-9267-x

Baseline risk and marginal willingness to pay for health risk reduction

2017· article· en· W2775632528 sur OpenAlexafffund
Shelby D. Gerking, Wiktor Adamowicz, Mark Dickie, Marcella Veronesi

Notice bibliographique

RevueJournal of Risk and Uncertainty · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversiteit van TilburgRoyal SocietyUniversiteit van AmsterdamUniversity of Central FloridaYale UniversityUniversity of AlbertaEuropean Association of Environmental and Resource EconomistsU.S. Environmental Protection Agency
Mots-clésBaseline (sea)Willingness to payActuarial scienceEconomicsPreferenceMarginal valueMarginal utilityContingent valuationHeart diseaseEconometric modelMedicineEconometricsMicroeconomicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Empirical results presented in this paper suggest that parents' marginal willingness to pay (MWTP) for a reduction in morbidity risk from heart disease is inversely related to baseline risk (i.e., the amount of risk initially faced) both for themselves and for their children. For instance, a 40% reduction from the mean of baseline risk results in an increase in MWTP by 70% or more. Thus, estimates of monetary benefits of public programs to reduce heart disease risk would be understated if the standard practice is followed of evaluating MWTP at initial risk levels and then multiplying this value by the number of cases avoided. Estimates are supported by: (1) unique quantitative information on perceptions of the risk of getting heart disease that allow baseline risk to be defined at an individual level and (2) improved econometric procedures to control for well-known difficulties associated with stated preference data.

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)0,003
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,051
Tête enseignante GPT0,264
Écart entre enseignants0,212 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Risk and UncertaintyMême sujetEconomic and Environmental ValuationTravaux en français237 207