MétaCan
Menu
Retour à la cohorte
Enregistrement W2788530848 · doi:10.1007/s11149-018-9351-4

State entry regulation and home health agency quality ratings

2018· article· en· W2788530848 sur OpenAlexaboutno aff
Robert L. Ohsfeldt, Pengxiang Li

Notice bibliographique

RevueJournal of Regulatory Economics · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHome healthMedicaidAgency (philosophy)BusinessQuarter (Canadian coin)Quality (philosophy)MedicineEnvironmental healthHealth careGeographyEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

There is a substantial literature assessing the impact of entry restrictions created by state certificate-of-need (CON) programs on hospital and nursing home markets, but comparatively little research has focused on CON for home health agencies (HHAs). We assessed the impact of state CON programs for HHAs, and for potential substitute service providers, on quality ratings for HHAs. HHA quality ratings were obtained from the Home Health Compare database developed by the Centers for Medicare and Medicaid Services (CMS) for the last quarter of 2010 through the last quarter of 2013. The HHA-level data were augmented with county-level area characteristics for each HHA in the CMS database. An ordered logit model was used to estimate the association between state CON restrictions and Low, Medium, and High quality categories, adjusted for HHA and area characteristics. The results indicated that HHAs in states with CON for HHAs were less likely to have High quality ratings, and more likely to have Medium quality ratings, compared to agencies in states without CON for home health. Additional research is needed to assess whether the apparent adverse impact of CON on HHA quality is related to diminished competition among HHAs in states with CON.

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)0,017
score de la tête « metaresearch » (Gemma)0,086
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 enseignants0,035
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,086
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,056
Tête enseignante GPT0,297
Écart entre enseignants0,241 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Regulatory EconomicsMême sujetHealthcare Policy and ManagementTravaux en français237 207