MétaCan
Menu
Retour à la cohorte
Enregistrement W7073864580

Cost of illness: An international comparison Australia, Canada, France, Germany and The Netherlands

2008· article· en· W7073864580 sur OpenAlexaboutno aff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGlass properties and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComparabilityHealth careInternational comparisonsHealth economicsMatching (statistics)Descriptive statisticsOrder (exchange)Epidemiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objectives To assess international comparability of general cost of illness (COI) studies and to examine the extent to which COI estimates differ and why.Methods Five general COI studies were examined. COI estimates were classified by health provider using the system of health accounts (SHA). Provider groups fully included in all studies and matching SHA estimates were selected to create a common data set. In order to explain cost differences descriptive analyses were carried out on a number of determinants.Results In general similar COI patterns emerged for these countries, despite their health care system differences. In addition to these similarities, certain significant disease-specific differences were found. Comparisons of nursing and residential care expenditure by disease showed major variation. Epidemiological explanations of differences were hardly found, whereas demographic differences were influential. Significant treatment variation appeared from hospital data.Conclusions A systematic analysis of COI data from different countries may assist in comparing health expenditure internationally. All cost data dimensions shed greater light on the effects of health care system differences within various aspects of health care. Still, the study's objectives can only be reached by a further improvement of the SHA, by international use of the SHA in COI studies and by a standardized methodology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,400
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,283
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetGlass properties and applicationsTravaux en français237 207