MétaCan
Menu
Retour à la cohorte
Enregistrement W4214864298 · doi:10.1017/s0047279421001045

Who should pay for social care for older people in England? Results from surveys of public attitudes to the funding of adult social care

2022· article· en· W4214864298 sur OpenAlexaboutno aff
Raphael Wittenberg, Sanna Read, Bob Erens, Martín Knapp, Gerald Wistow, Francis Dickinson, Eva Cyhlarova, Nicholas Mays

Notice bibliographique

RevueJournal of Social Policy · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Health and Social CareNational Institute for Health and Care ResearchLondon School of Hygiene and Tropical Medicine
Mots-clésQuarter (Canadian coin)Sample (material)Service (business)State (computer science)PsychologyBusinessPublic relationsPolitical scienceMarketingGeography

Résumé

récupéré en direct d'OpenAlex

Abstract While debate on how best to pay for social care in England continues, information about public attitudes on this issue is limited. We asked representative samples of the public whether care costs for older people should be met by the state, met by the service user or shared between state and user. We used an online survey of people aged 18–75 (n = 3,000) and interview survey of people aged 65 and over (n = 466). Respondents were given four vignettes (two home care, two residential care) and asked who should pay at different levels of user resources; and how much users should contribute when costs were shared. Fewer than one-fifth of the online sample and one-quarter of the interview sample considered that the state should meet the full costs whatever users’ resources; considerably lower proportions believed that users should meet the full costs in all cases. Two-thirds of the online sample and half the interview sample thought costs should be shared. The proportion of costs that users should contribute was relatively low (20–50 per cent, varying by user resources). The study illustrates that public views elicited through vignettes can provide evidence to inform policy on social care funding.

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)0,012
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,165
Tête enseignante GPT0,445
Écart entre enseignants0,280 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Social PolicyMême sujetHealthcare innovation and challengesTravaux en français237 207