MétaCan
Menu
Retour à la cohorte
Enregistrement W3119200696 · doi:10.1093/jeea/jvab031

Financial Incentives and Competitive Pressure: The Case of the Hospital Industry

2021· preprint· en· W3119200696 sur OpenAlexaboutno aff
Philippe Choné, Lionel Wilner

Notice bibliographique

RevueJournal of the European Economic Association · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de Recherche Paris Sciences et LettresMutuelle Générale de l'Education NationaleDirection de la Recherche, des Études, de l’Évaluation et des StatistiquesAgence Nationale de la Recherche
Mots-clésIncentiveRevenueQuarter (Canadian coin)BusinessFinanceOperating marginRegulatory reformEconomicsMicroeconomicsMarket economyReturn on assets

Résumé

récupéré en direct d'OpenAlex

Abstract In the late 2000s, a regulatory reform dramatically strengthened the incentives of French nonprofit (NP) hospitals to attract patients. Exploiting exhaustive data for surgery treatments between 2005 and 2008, and modeling hospitals as supplying utility to patients, we show that increased competitive pressure on NP hospitals caused them to perform more procedures, but did not inflate overall activity at the industry level. Although they have gained market shares over their for-profit (FP) counterparts, NP hospitals have been significantly worse off after the reform. To adjust to stronger financial incentives, they incurred an additional effort (pecuniary and non-pecuniary costs) equivalent to about a quarter of their annual revenue.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,411
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,019
Tête enseignante GPT0,230
Écart entre enseignants0,212 · 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'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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the European Economic AssociationMême sujetHealthcare Policy and ManagementTravaux en français237 207