MétaCan
Menu
Back to cohort
Record W3124345182

Projections de l'état de santé de la population québécoise et impacts sur le risque de longévité d'un régime de retraite à prestations déterminées

2015· preprint· fr· W3124345182 on OpenAlexaboutno aff
Aurélie Côté‐Sergent, Jean‐Yves Duclos, Alexandre Lekina, Steeve Marchand, Pierre‐Carl Michaud

Bibliographic record

VenueRePEc: Research Papers in Economics · 2015
Typepreprint
Languagefr
FieldDecision Sciences
Topicdemographic modeling and climate adaptation
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Nous nous intéressons au risque futur de longévité étant données l'augmentation de l'espérance de vie due au progrès technologique et la hausse de la prévalence de maladies liées à l'obésité et à la sédentarité. Nous utilisons dans un premier temps des techniques de microsimulation afin de projeter l'état de santé de la population québécoise, en incluant dans cette microsimulation une hypothèse d'amélioration exogène de la mortalité semblable à celle faite par la Régie des rentes du Québec (RRQ). Nous évaluons dans un deuxième temps les implications pour le ratio de financement de Régimes de retraite à prestations déterminées des tendances en santé fournies par cette microsimulation. Ce ratio se situe entre 0, 24 et 0, 74 en 2050 selon les scénarios retenus, indiquant ainsi que les régimes de retraite pourraient s'avérer fortement déficitaires dans le futur. Nous analysons dans un dernier temps les hypothèses de mortalité faites par la RRQ en considérant des scénarios alternatifs associées à des avancées médicales susceptibles de se produire dans les 10 prochaines années. Il s'avère selon cette analyse que les hypothèses de la RRQ pourraient surestimer significativement la croissance de l'espérance de vie future, en particulier celle des individus de 30 à 65 ans.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.029
metaresearch head score (Gemma)0.013
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch, Meta-epidemiology (narrow), Scholarly communication, Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.158
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0290.013
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.085
GPT teacher head0.408
Teacher spread0.323 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueRePEc: Research Papers in EconomicsSame topicdemographic modeling and climate adaptationFrench-language works237,207