Vital Signs: Health Insurance Coverage and Health Care Utilization —
Notice bibliographique
Résumé
Background: The increasing number of persons in the United States with no health insurance has implications both for individual health and societal costs. Because of cost concerns, millions of uninsured persons forgo some needed health care, which can lead to poorer health and potentially to greater medical expenditures in the long term. Methods: CDC analyzed data from the National Health Interview Survey (NHIS) for 2006, 2007, 2008, and 2009 and early release NHIS data from the first quarter of 2010 to determine the number of persons without health insurance or with gaps in coverage and to assess whether lack of insurance coverage was associated with increased levels of forgone health care. Data were analyzed further by demographic characteristics, family income level, and selected chronic conditions. Results: In the first quarter of 2010, an estimated 59.1 million persons had no health insurance for at least part of the year before their interview, an increase from 58.7 million in 2009 and 56.4 million in 2008. Of the 58.7 million in 2009, 48.6 million (82.8%) were aged 18–64 years. Among persons aged 18–64 years with family incomes two to three times the federal poverty level (approximately $43,000–$65,000 for a family of four in 2009), 9.7 million (32.1%) were uninsured for at least part of the preceding year. Persons aged 18–64
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».