Health Reform Monitoring Survey, United States, First Quarter 2015
Notice bibliographique
Résumé
In January 2013, the Urban Institute launched the Health Reform Monitoring Survey (HRMS), a quarterly survey of the nonelderly population, to explore the value of cutting-edge, Internet-based survey methods to monitor the Affordable Care Act (ACA) before data from federal government surveys are available. Topics covered by the first quarter 2015 survey (the ninth round of the HRMS) include self-reported health status, awareness of key provisions of the ACA, sources of information about the health plans offered in the ACA marketplace, whether health insurance was purchased through the ACA marketplace, difficulties with access to health care and paying for medical bills and housing costs, out-of-pocket health care costs, type of health insurance coverage if any, and reasons for not having health insurance. Respondents who enrolled in a health insurance plan through the ACA marketplace in 2014 were asked if and why they renewed or changed their plan in 2015. Additional information collected by the survey includes age, gender, sexual orientation, marital status, family size, education, race, Hispanic origin, United States citizenship, housing type, home ownership, internet access, income, employment status, and employer size. The data file also records whether the respondent reported an ambulatory care sensitive condition or a mental or behavioral health condition and whether the respondent or a family member received Social Security, Supplemental Security Income, unemployment insurance benefits or benefits though the Supplement Nutrition Assistance Program, Earned Income Tax Credit, Temporary Assistance for Needy Families, or child care services or child care assistance from a local welfare agency or case manager.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».