MétaCan
Menu
Retour à la cohorte
Enregistrement W3160071274 · doi:10.23889/ijpds.v6i1.1419

impact of workers’ compensation benefit cessation on welfare and health service use

2021· article· en· W3160071274 sur OpenAlexaff
Tyler Lane, Janneke Berecki‐Gisolf, Ross Iles, Alex Collie, Peter Smith

Notice bibliographique

RevueInternational Journal for Population Data Science · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensInstitute for Work & HealthPublic Health OntarioUniversity of Toronto
Organismes subventionnairesState Insurance Regulatory Authority
Mots-clésBusinessLegislationWorkers' compensationActuarial scienceService (business)Health careIncentiveWelfareSocial workEmergency departmentMedicineEnvironmental healthCompensation (psychology)EconomicsMarketingNursingPsychologyPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2012, the Australian state of New South Wales passed legislation that reformed its workers' compensation system. Section 39 introduced a five-year limit on income replacement, with the first affected group having their benefits cease in December 2017. There is limited evidence on how this will affect their healthcare service use and where they will go for financial support. METHODS: Multiple data sources will be linked: administrate workers' compensation claims data from the State Insurance Regulatory Authority (SIRA), universal health insurance data from the Medical Benefits Schedule (MBS) and Pharmaceutical Benefits Scheme (PBS), state hospital and emergency department data, and social welfare data from the Department of Social Services' Data Over Multiple Individual Occurrences (DOMINO). An estimated 4,125 injured workers had their benefits cease due to Section 39. These will form the exposure group who will be compared to 1) a similar group of workers' compensation claimants who have had at least two years of compensated time off work but whose benefits did not cease due to Section 39; and 2) a community comparison group drawn from state hospital and emergency department records.An accredited third party will link the data, which will be accessible only via secure virtual machine. Initial analyses will compare the prevalence and incidence of service use across groups in both the year before and year after benefit cessation; the community control will be assigned the median benefit cessation date in lieu of an actual date. To estimate the impact of benefit cessation due to Section 39, we will conduct time series analysis of the prevalence and incidence of service use. DISCUSSION: This study will provide much-needed evidence on the consequences of long-term benefit cessation, particularly on subsequent healthcare and welfare service use.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,102
Score d'incertitude au seuil0,203

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,312
Tête enseignante GPT0,521
Écart entre enseignants0,209 · 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.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetHealthcare innovation and challengesTravaux en français237 207