MétaCan
Menu
Retour à la cohorte
Enregistrement W3174814956 · doi:10.1177/07334648211024790

Last Year of Life, Frailty, and Out-of-Pocket Expenses in Older Adults: A Secondary Analysis of the Mexican Health and Aging Study

2021· article· en· W3174814956 sur OpenAlexaff
Guillermo Salinas‐Escudero, María Fernanda Carrillo-Vega, Carmen García‐Peña, Silvia Martínez‐Valverde, Luis David Jácome-Maldonado, Matteo Cesari, Mario Ulises Pérez‐Zepeda

Notice bibliographique

RevueJournal of Applied Gerontology · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesNational Institute on AgingSecretaría de Ciencia, Tecnología e Innovación del Distrito Federal
Mots-clésMedicineGerontologyDemographyProbit modelCross-sectional studyCohortStatistics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine the association of frailty with out-of-pocket expenses (OOPEs) during the last year of life of Mexican older adults. METHODS: Cross-sectional secondary analysis of the Mexican Health and Aging Study (MHAS), a representative population-based cohort study. Health care expenses were estimated, and a probit model was used to estimate the probability that older adults had OOPE. A general linear model was applied to explain OOPE magnitudes. RESULTS: A total of 55.8% of individuals reported having OOPE with a mean of 3,261 USD. Average OOPE for hospitalization during the last year of life was 7,011.9 USD. Older adults taking their own medical decisions during the last year of life expended less than those who did not. CONCLUSION: No affiliation to health services, frailty, and health decision-making by others increased the probability of OOPE. The magnitude is determined by age, hospitalization, medical visits, affiliation, frailty, and health decision-making by others.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,040
Tête enseignante GPT0,287
Écart entre enseignants0,246 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetHealthcare Systems and ReformsTravaux en français237 207