On Measuring the Inequity of Financing Health Care in the United States and the Redistribution of Income Through Health Care Financing in Canada
Notice bibliographique
Résumé
On Measuring the Inequity of Financing Health Care in the United States and the Redistribution of Income Through Health Care Financing in Canada Michel L. Grignon PhD, Sara Allin PhD, Lisa Corscadden MPH, and Michael Wolfson PhD Affiliation Michel L. Grignon is with the Department of Economics and the Department of Health, Aging & Society, McMaster University, Hamilton, ON. Sara Allin is with the Institute of Health Policy, Management and Evaluation, Dalla Lana School of Public Health, University of Toronto, Toronto, ON. Lisa Corscadden is with the Australian Institute of Tropical Health and Medicine, James Cook University, Australia. Michael Wolfson is with the Faculty of Medicine, School of Epidemiology, Public Health and Preventive Medicine, University of Ottawa, Ottawa, ON.CopyRightCorrespondence should be sent to Michel Grignon, Professor, Department of Economics, McMaster University, KTH 426, 1280 Main St West, Hamilton, ON L8S 4M4, Canada (e-mail: grignon@mcmaster.ca). Reprints can be ordered at http://www.ajph.org by clicking the “Reprints” link.CONTRIBUTORSM. L. Grignon wrote the first draft of the editorial. All authors edited and discussed the editorial to arrive at a final version. https://doi.org/10.2105/AJPH.2020.305891 Accepted: July 23, 2020 Published Online: October 07, 2020
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».