MétaCan
Menu
Retour à la cohorte
Enregistrement W2809419650 · doi:10.1017/s1744133118000166

Comparative analysis of health system performance in Montreal and New York: the importance of context for interpreting indicators

2018· article· en· W2809419650 sur OpenAlexaffabout
Michael K. Gusmano, Erin Strumpf, Julie Fiset-Laniel, Daniel Weisz, Victor G. Rodwin

Notice bibliographique

RevueHealth Economics Policy and Law · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensMcGill UniversityCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésLiberian dollarMedicineContext (archaeology)Ambulatory careHealth carePopulationAmbulatoryHealth insuranceHealthcare systemGerontologyDemographyEnvironmental healthBusinessEconomic growthGeographyFinanceEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Although eliminating financial barriers to care is a necessary condition for improving access to health services, it is not sufficient. Given the contrasting health systems with regard to financing and organization of health insurance in the United States and Canada, there is a long history of comparing these countries. We extend the empirical studies on the Canadian and US health systems by comparing access to ambulatory care as measured by hospitalization rates for ambulatory care sensitive conditions (ACSC) in Montreal and New York City. We find that, in New York, ACSC rates were more than twice as high (12.6 per 1000 population) as in Montreal (4.8 per 1000 population). After controlling for age, sex, and number of diagnoses, significant differences in ACSC rates are present in both cities, but are more pronounced in New York. Our findings are consistent with the hypothesis that universal, first-dollar health insurance coverage has contributed to lower ACSC rates in Montreal than New York. However, Montreal's surprisingly low ACSC rate calls for further research.

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)0,002
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 enseignants0,902
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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 Opus0,086
Tête enseignante GPT0,329
Écart entre enseignants0,243 · 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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