MétaCan
Menu
Retour à la cohorte
Enregistrement W2971549209 · doi:10.15353/rea.v12i4.1898

Spend Less, Get More? Explaining Health Spending and Outcome Differences Between Canada and Italy

2020· preprint· en· W2971549209 sur OpenAlexaffvenueabout
Livio Di Matteo, Thomas Barbiero

Notice bibliographique

RevueReview of Economic Analysis · 2020
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensToronto Metropolitan UniversityLakehead University
Organismes subventionnairesnon disponible
Mots-clésLife expectancyPer capitaHealth spendingDemographic economicsSocial determinants of healthHealth careInfant mortalityEconomicsDemographyEconomic growthSociologyHealth insurancePopulationDeveloping country

Résumé

récupéré en direct d'OpenAlex

Canada spends more than Italy on health per capita and as a share of GDP and has a higher per capita GDP. Yet, life expectancy and infant mortality in Italy are better and have improved more over time. The implication is that the Italian health care system provides better value for money. We examine whether Italy does get better health outcomes at lower costs. Using regression analysis, we find that health spending is determined by similar drivers in both Canada and Italy. We also find that more social spending and health spending in either country do not satisfactorily explain the differences in health outcomes, suggesting the importance of broader socio-economic determinants like income and life-style choices. We conclude that while the levels of per capita health spending in Canada are higher than Italy, this partly reflects historical inertia in Canadian health spending partially attributable to the higher costs of health professionals relative to Italy.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,096
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,227
Tête enseignante GPT0,483
Écart entre enseignants0,256 · 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.

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

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetGlobal Health Care IssuesTravaux en français237 207