Trends in payments among male and female ophthalmologists in Ontario from 1992 to 2018.
Notice bibliographique
Résumé
OBJECTIVE: To examine sex differences in Ontario Health Insurance Plan (OHIP) payments from 1992 to 2018. DESIGN: Population-based observational study. PARTICIPANTS: Ophthalmologists submitting claims to OHIP from 1992 to 2018. METHODS: Physician billing data over 27 years (1992-2018) were analyzed for yearly number of ophthalmologists, OHIP payments, distinct patients, and patient visits. RESULTS: Yearly median OHIP payments to female ophthalmologists were less than to male ophthalmologists with a gap ratio of 0.55 in 1992 to 0.73 in 2018. Stratifying by full-time equivalent (FTE), there was little difference in median payments between males and females for 1 FTE. Median female-to-male payments ratio varied from 0.80 to 1.16 for <1 FTE and 1.14 to 0.84 for >1 FTE from 1992 to 2018. Among female ophthalmologists, 72.7% and 52.9% were <1 FTE and 11.4% and 19.2% were >1 FTE in 1992 and 2018, respectively. In comparison, for male ophthalmologists, 35.7% and 45.6% were <1 FTE and 43.4% and 45.6% were >1 FTE in 1992 and 2018, respectively. Overall, male ophthalmologists had more patients and patient visits than female ophthalmologists, but there was little difference between male and female ophthalmologists for 1 and >1 FTE. The results for <1 FTE varied by year. CONCLUSIONS: Overall, female ophthalmologists have lower OHIP payments compared with males, but there was little difference for those stratified to 1 FTE. This overall payments difference by sex is largely explained by the higher proportion of <1 FTE females, lower proportion of >1 FTE females, and higher payments for >1 FTE males.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».