The effect of nursing home closure on local employment in the United States
Notice bibliographique
Résumé
OBJECTIVE: To estimate the effect of nursing home closure on local employment, overall, and by rurality. DATA SOURCES AND STUDY SETTING: We obtained 2008-2018 county-level data from the Quarterly Workforce Indicators, Medicare Provider of Services, Area Health Resource, and Urban Influence Codes files. From 2008 to 2018, 878 counties experienced at least one nursing home closure, and 2055 counties did not experience a closure. STUDY DESIGN: Using a difference-in-difference study design, we compare the changes of total employment, health sector employment and non-health sector employment over time between counties with and without a nursing home closure. We utilize the variation in the year and quarter of nursing home closures to estimate subsequent employment changes as well as employment trends before closure. We also account for contemporaneous events including nursing home entries and hospital entries and closures, and evaluate heterogeneity by rurality. DATA EXTRACTION: We include data on nursing home closure from the Medicare Provider of Service file. Quarterly county-level employee counts were obtained from the Quarterly Workforce Indicators provided by the Census Bureau. County-level demographic data were obtained from the Area Health Resource Files. We use Urban Influence Codes from the Economic Research Service, Department of Agriculture, to classify metropolitan, micropolitan, and rural (noncore) counties. PRINCIPAL FINDINGS: Health sector employment decreased by about 3.2%-4.1% (p < 0.01) in counties with a nursing home closure. The reduction was largest in rural counties (approximately 7.2%-9.4%, p < 0.01). The reduction in health sector employment persisted over time, particularly in rural counties. Overall, there was no discernable effect on non-health sector employment. CONCLUSIONS: Nursing home closure is associated with a persistent decline in health sector employment, particularly in rural counties, suggesting a reduction in the health care workforce and in the ability to sustain health care services supply, particularly in rural areas.
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 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 | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».