MétaCan
Menu
← Retour à la cohorte
Enregistrement W7067417089

L'impact de la loi sur l'assurance-médicaments sur les coûts des régimes d'assurance collective des entreprises du Québec

2007· dissertation· fr· W7067417089 sur OpenAlexaboutno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2007
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Order (exchange)Work (physics)Government (linguistics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cette recherche a pour objectif de vérifier l'impact de la loi 33 sur les coûts des régimes collectifs des entreprises qui œuvrent au Québec. La loi 33 est entrée en vigueur le 1er janvier 1997, elle institue un régime général d'assurance-médicaments. Elle impose aussi à toute personne qualifiée pour faire partie d'un groupe auquel s'applique un contrat d'assurance collective ou un régime d'avantages sociaux comportant les garanties du régime général, l'obligation d'adhérer à ce groupe et de faire bénéficier de cette couverture son conjoint, son enfant et, dans certains cas, une personne handicapée domiciliée chez elle. L'objet de cette étude qui se veut exploratoire consiste à réaliser une évaluation sommaire de l'impact financier de la loi 33 sur les dépenses allouées par les employeurs aux régimes d'assurance collective. C'est une étude à cas multiples. Elle consiste aussi à comparer les coûts des régimes d'assurance collective qui sont offerts par les employeurs à partir de données compilées durant la période antérieure à la mise en vigueur de la loi sur l'assurance médicaments avec celles postérieures à cette période. Pour étudier cette variation nous avons émis les hypothèses suivantes : H1 : La loi sur l'assurance médicaments a tendance à augmenter les coûts du régime d'assurance collective de l'entreprise. H2: La loi sur l'assurance médicaments a tendance à diminuer l'étendue des protections offertes par l'entreprise dans le cadre du régime d'assurance collective. Dans notre modèle nous avons ajouté des hypothèses spécifiques dont le contenu se rapporte aux principales dispositions de la loi 33: H3: la dispositions d'adhésion obligatoire des employés aux régimes d'assurance collective fait augmenter le nombre d'adhérants. Ainsi, elle agit sur le coût du régime collectif de l'entreprise en l'augmentant. H4: l'obligation de procurer une couverture aux personnes à charge influence à la hausse les coûts du régime d'assurance collective offert par l'employeur, parce qu'elle fait augmenter la consommation des médicaments. H5: l'adhésion des employés actifs âgés de 65 ans et plus au régime d'assurance collective de l'entreprise fait augmenter les coûts du régime. H6 : la couverture des retraités influence à la hausse les coûts du régime d'assurance collective de l'entreprise. Nous avons ajouté aussi des variables de contrôle telles, la taille de l'entreprise, la nature ou le secteur d'activité de l'entreprise et la distribution de l'âge des employés, qui sont documentées comme ayant un effet sur les coûts des régimes d'assurance collective. Cette recherche porte sur six organisations installées dans la région de Montréal. L'instrument de collecte de données que nous avons utilisé consiste en une interview structurée à l'aide d'un questionnaire. Notre étude indique que certaines dispositions de la loi notamment celle de l'adhésion obligatoire du personnel ayant un lien d'emploi, l'adhésion obligatoire des personnes à charge et des employés âgés de 65 ans et plus qu'il soient actifs ou à la retraite, sont des facteurs ayant un impact sur les coûts des régimes d'assurance collective des organisations. Ainsi, les données recueillies nous révèlent que les dépenses associées aux protections de l'assurance collective ont augmenté de 5 à 10% dans cinq organisations sur six. Nos répondants estiment que cette augmentation est due à l'application de la loi 33 sur l'assurance médicaments.

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)0,005
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,082
Score d'incertitude au seuil0,436

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0050,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,010
Tête enseignante GPT0,231
Écart entre enseignants0,221 · 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

Citations0
Publié2007
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)→Même sujetSocial Sciences and Governance→Travaux en français237 207→