MétaCan
Menu
Retour à la cohorte
Enregistrement W3120583634 · doi:10.20397/2177-6652/2020.v20i4.1990

Evolution of studies on Real Options Theory in health sector

2020· article· en· W3120583634 sur OpenAlexaff
Milena de Cássia Rocha, Márcio Augusto Gonçalves, Yuri Lawryshyn

Notice bibliographique

RevueRevista Gestão & Tecnologia · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHealth sectorRelevance (law)OriginalityInvestment (military)Management scienceData scienceComputer scienceRisk analysis (engineering)Social scienceSociologyBusinessEconomicsQualitative researchMedicinePolitical scienceEnvironmental healthHealth services

Résumé

récupéré en direct d'OpenAlex

Objective: The objective of this study was to identify the evolution of studies of real options theory in the health sector. For that, the present paper presents a study, which aims to analyze the studies published on the main scientific bases.Methodology/approach – A bibliometric study was developed. Articles published in: Plubmed, Wiley Online Library, Sage, Web of Science, Science Direct, Springer Link and Emerald Insight were analyzed. Data were analyzed using descriptive statisticsOriginality / Relevance: The originality and relevance is to present an analysis on the evolution of the studies of the theory of real options in the health sector already published.Main Results: The main conclusion is that the application of ROT in the health sector is not only in the evaluation of investment, but also has been observed its applicability in medical decision making. In addition, we note that the first study on real options theory in the health sector was conducted eleven years after the start of studies on real options theory. Moreover, the option to defer is the most applied in the health sector.Theoretical Contributions:This study contributes to scientific research in Applied Social Sciences by presenting an evaluation of the evolution of studies in the health sector.

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)0,044
score de la tête « metaresearch » (Gemma)0,150
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,235

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,150
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0400,057
Études des sciences et des technologies0,0010,004
Communication savante0,0130,011
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,085
Tête enseignante GPT0,281
Écart entre enseignants0,196 · 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.

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'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Gestão & TecnologiaMême sujetCapital Investment and Risk AnalysisTravaux en français237 207