MétaCan
Menu
Retour à la cohorte
Enregistrement W3121707581 · doi:10.1016/j.jhealeco.2025.102984

The effects of Vietnam-era military service on the long-term health of veterans: A bounds analysis

2025· article· en· W3121707581 sur OpenAlexfundno aff
Xintong Wang, Carlos A. Flores, Alfonso Flores‐Lagunes

Notice bibliographique

RevueJournal of Health Economics · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesMaxwell School of Citizenship and Public Affairs, Syracuse UniversityMcGill UniversityUniversity of California, DavisNational Center for Health StatisticsUniversidad Autónoma de Nuevo LeónLouisiana State UniversitySyracuse University
Mots-clésTerm (time)Military serviceVietnam WarService (business)GerontologyService memberMilitary personnelPsychologyPolitical scienceMedicineBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

We analyze the short- and long-term effects of the U.S. Vietnam-era military service on veterans' health outcomes using a restricted version of the National Health Interview Survey 1974-2013 and employing the draft lotteries as an instrumental variable. We conduct inference on the health effects of military service for individuals who comply with the draft-lotteries assignment (the "compliers"), as well as for those who volunteer for enlistment (the "always takers"). The causal analysis for volunteers, who represent over 70% of veterans, is novel in this literature that typically focuses on the compliers. Since the effect for volunteers is not point-identified, we employ sharp nonparametric bounds that rely on a mild mean weak monotonicity assumption. We examine a large array of health outcomes and behaviors, including mortality, up to 38 years after the end of the Vietnam War. We do not find consistent statistical evidence of detrimental health effects on compliers, in line with prior literature. For volunteers, however, we document that their estimated bounds show statistically significant detrimental health effects that appear around 10 years after the end of the conflict. As a group, veterans experience similar statistically significant detrimental health effects from military service. These findings have implications for policies regarding compensation and health care of veterans after service.

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)0,007
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 enseignants0,335
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,409
Écart entre enseignants0,381 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health EconomicsMême sujetGlobal Health Care IssuesTravaux en français237 207