The burden of morbidity, productivity and earnings
Notice bibliographique
Résumé
People of working age affected by a severe health condition earn less than they would do otherwise. They work fewer hours a week, or fewer weeks a year, or have to make do with lower hourly wages. This paper focuses on the relation between the degree of severity of a health condition and the degree to which this has a depressive effect on earnings. The authors construct a measure for the overall state of health of an individual by looking at the intensity with which the individual interacts with the health care system. This includes the number of visits to general practitioners or specialists, the number of prescriptions filled, the duration of hospital admissions, the days of leave of absence as prescribed by general practitioners. To do so, the paper makes use of data derived from health and employment records of individuals (N = 185,761) having continuously kept residence in Lower Austria from 2006 to 2016 and have participated in labour market activities each year. The HCI-Index (Health Care Interaction Index) derived from the intensity of interaction with the health service system is a measure for the severity of the health condition. It ranges from 0 to 600 among the individuals of the population, with a high concentration between 0 and 10, i.e. little burden of morbidity. About a quarter of the population scores index values of 20 and more. The index scores are used to augment a standard earnings equation. This yields the following results: About half of the population is only burdened with health conditions of a very common kind (HCI score below 10) that hardly depress their annual earnings; a quarter of the population incurs losses between EUR 827 and EUR 1572; a quarter of the population of more than EUR 1572.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».