MétaCan
Menu
Retour à la cohorte
Enregistrement W2792522841 · doi:10.1017/s1744133117000421

Expanding the breadth of Medicare: learning from Australia

2018· article· en· W2792522841 sur OpenAlexaboutno aff
Stephen Duckett

Notice bibliographique

RevueHealth Economics Policy and Law · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaymentHealth careBusinessMedicineEconomic growthFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

The design of Australia's Medicare programme was based on the Canadian scheme, adapted somewhat to take account of differences in the constitutional division of powers in the two countries and differences in history. The key elements are very similar: access to hospital services without charge being the core similarity, universal coverage for necessary medical services, albeit with a variable co-payment in Australia, the other. But there are significant differences between the two countries in health programmes - whether or not they are labelled as 'Medicare'. This paper discusses four areas where Canada could potentially learn from Australia in a positive way. First, Australia has had a national Pharmaceutical Benefits Scheme for almost 70 years. Second, there have been hesitant extensions to Australia's Medicare to address the increasing prevalence of people with chronic conditions - extensions which include some payments for allied health professionals, 'care coordination' payments, and exploration of 'health care homes'. Third, Australia has a much more extensive system of support for older people to live in their homes or to move into supported residential care. Fourth, Australia has gone further in driving efficiency in the hospital sector than has Canada. Finally, the paper examines aspects of the Australian health care system that Canada should avoid, including the very high level of out-of-pocket costs, and the role of private acute inpatient provision.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,864
Score d'incertitude au seuil0,799

Scores Codex et Gemma par catégorie

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

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 Opus0,116
Tête enseignante GPT0,345
Écart entre enseignants0,229 · 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 tête enseignante, 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

Citations56
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Economics Policy and LawMême sujetHealthcare Policy and ManagementTravaux en français237 207