MétaCan
Menu
Retour à la cohorte
Enregistrement W2966702757 · doi:10.1177/0020731419863651

The Real Meaning of “Managed Care”: Adaptive Accumulation and U.S. Health Care

2019· article· en· W2966702757 sur OpenAlexaff
Rodney Loeppky

Notice bibliographique

RevueInternational Journal of Health Services · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHealth careManaged careHealth policyPopulationInternational healthEconomic interventionismPublic healthBusinessEconomicsEconomic growthPoliticsPublic economicsPolitical scienceMedicineNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The boundaries of what constitutes “sufficient” health have always been open and, as such, health care has proven to be an opportune area for profit growth. In the United States, the allure of health as a market commodity has proven very strong, but even here it cannot be a mere spontaneous product of the market. It requires government to foster and develop public policy that effectively promotes and maintains health care delivery across the population. Historically, U.S. public policy has veered away from anything akin to universal care, and it has typically been understood as an outlier among advanced industrial states. But, simultaneously, it is also the largest health care market in the world, soon to engulf a full fifth of its GDP. In this paper, I argue that the complicated dynamic between a growing market in health delivery and a patchwork of political reforms has encouraged “adaptive accumulation,” a process whereby capital secures optimized accumulation outcomes from enhanced government intervention, deriving extra-market benefits along the way. To make this argument, I explore critical components of the health system, including Medicare Advantage, Medicare Part D, as well as the Affordable Care Act and its aftermath.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,016
Communication savante0,0070,006
Science ouverte0,0010,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,064
Tête enseignante GPT0,349
Écart entre enseignants0,285 · 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'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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health ServicesMême sujetHealthcare Policy and ManagementTravaux en français237 207