MétaCan
Menu
Retour à la cohorte
Enregistrement W2808852712 · doi:10.1002/hec.3786

The impact of the 2008/2009 financial crisis on specialist physician activity in Canada

2018· article· en· W2808852712 sur OpenAlexafffundabout
M. Ruth Lavergne, Lindsay Hedden, Michael R. Law, Kim McGrail, Megan Ahuja

Notice bibliographique

RevueHealth Economics · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensUniversity of British ColumbiaVancouver Coastal HealthSimon Fraser University
Organismes subventionnairesMichael Smith Health Research BC
Mots-clésPaymentFinancial crisisService (business)PopulationNatural experimentFinancePhysician supplyBusinessDemographic economicsPopulation ageingMedicineDemographyEconomicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Fee-for-service physicians are responsible for planning for their retirements, and there is no mandated retirement age. Changes in financial markets may influence how long they remain in practice and how much they choose to work. The 2008 crisis provides a natural experiment to analyze elasticity in physician service supply in response to dramatic financial market changes. We examined quarterly fee-for-service data for specialist physicians over the period from 1999/2000 to 2013/2014 in Canada. We used segmented regression to estimate changes in the number of physicians receiving payments, per-physician service counts, and per-physician payments following the 2008 financial crisis and explored whether patterns differed by physician age. The number of specialist physicians increased more rapidly in the period since 2008 than in earlier years, but increases were largest within the youngest age group, and we observed no evidence of delayed retirement among older physicians. Where changes in service volume and payments were observed, they occurred across all ages and not immediately following the 2008 financial crisis. We conclude that any response to the financial crisis was small compared with demographic shifts in the physician population and changes in payments per service over the same time period.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil0,996

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,410
Écart entre enseignants0,367 · 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'étudeSans objet
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

Citations6
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetGlobal Health Care IssuesTravaux en français237 207