MétaCan
Menu
Retour à la cohorte
Enregistrement W2796164139 · doi:10.1377/hlthaff.2017.0959

Most Primary Care Physicians Provide Appointments, But Affordability Remains A Barrier For The Uninsured

2018· article· en· W2796164139 sur OpenAlexaff
Brendan Saloner, Katherine Hempstead, Karin V. Rhodes, Daniel Polsky, Clare Pan, Genevieve M. Kenney

Notice bibliographique

RevueHealth Affairs · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésPaymentPrimary carePatient Protection and Affordable Care ActAuditHealth insuranceBusinessFamily medicineMedicineHealth careCashFinanceAccountingEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

The US uninsurance rate has nearly been cut in half under the Affordable Care Act, and access to care has improved for the newly insured, but less is known about how the remaining uninsured have fared. In 2012-13 and again in 2016 we conducted an experiment in which trained auditors called primary care offices, including federally qualified health centers, in ten states. The auditors portrayed uninsured patients seeking appointments and information on the cost of care and payment arrangements. In both time periods, about 80 percent of uninsured callers received appointments, provided they could pay the full cash amount. However, fewer than one in seven callers in both time periods received appointments for which they could make a payment arrangement to bring less than the full amount to the visit. Visit prices in both time periods averaged about $160. Trends were largely similar across states, despite their varying changes in the uninsurance rate. Federally qualified health centers provided the highest rates of primary care appointment availability and discounts for uninsured low-income patients.

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)0,012
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 enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,039
Tête enseignante GPT0,280
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetHealthcare Policy and ManagementTravaux en français237 207