Do Pro-Competition Healthcare Reforms Always Bring Health Benefits? Evidence from China
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
It is already a common practice for many health care systems in the world to opt for mixed markets where different types of health care facilities compete against each other to offer high-quality health care to patients. Nevertheless, little is known about the effects of the interaction between hospitals of the same or different type on patient health outcomes. This study estimated the impacts of aggregate and specific types of hospital competition by hospital-type on the quality of inpatient care using an analysis dataset comprising 267,183 individuals from China. The Herfindahl-Hirschman index was employed to measure the degree of hospital competition, with length of stay, readmission and mortality being used to measure the quality of inpatient care. The Poisson and binomial logistic models combined with the instrumental variable approach were constructed to estimate the impacts of hospital competition. This study generated three key findings: 1) aggregate hospital competition reduced the quality of inpatient care, as evidenced by a rise in the odds of readmission and length of stay; 2) intra-type hospital competition reduced the quality of inpatient care and in general had larger effects on reducing the quality of inpatient care than inter-type hospital competition; and 3) the only exception was in the way that competition between private nonprofit hospitals contributed to better quality of inpatient care. The overarching suggestion is that instead of treating competition as a panacea for improving health, a flexible plan tailored to specific conditions is needed.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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