States' Performance in Reducing Uninsurance Among Black, Hispanic, and Low-Income Americans Following Implementation of the Affordable Care Act
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: To assess state-level variation in changes in uninsurance among Black, Hispanic, and low-income Americans after implementation of the Affordable Care Act (ACA). Methods: We analyzed data from the Behavioral Risk Factor Surveillance System from 2012 to 2016, excluding 2014. For Black, Hispanic, and low-income (<$35,000/year) adults 18–64 years of age, we estimated multivariable regression adjusted pre- (2012–2013) to post-ACA (2015–2016) percentage point changes in uninsurance for each U.S. state. We compared absolute and relative changes and the proportion remaining uninsured post-ACA across states. We also examined whether state-level variation in coverage gains was associated with changes in forgoing needed care due to cost. Results: The range in the percentage point reduction in uninsurance varied substantially across states: 19-fold for Black (0.9–17.4), 18-fold for Hispanic (1.2–21.5), and 23-fold for low-income (1.0–27.8) adults. State-level variation in changes in uninsurance relative to baseline uninsurance rates also varied substantially. In some states, more than one quarter of Black, one half of Hispanic, and approaching one half of low-income adults remained uninsured after full implementation of the ACA. Compared with states in the lowest quintile of change in coverage, states in the highest quintile experienced greater improvements in ability to see a physician. Conclusions: Performance on reducing uninsurance for Black, Hispanic, and low-income Americans under the ACA varied substantially among U.S. states with some making substantial progress and others making little. Post-ACA uninsurance rates remained high for these populations in many states.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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