PulseAugur
中
实时 01:11:59
English(EN) Who Became Financially Vulnerable After COVID-19? A Population-Level Machine Learning Analysis Using MEPS Data

机器学习模型显示，COVID-19后医疗保健财务脆弱性的稳定预测因素

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新研究分析了美国2019年和2021年的医疗支出面板调查数据，以评估COVID-19大流行前后美国的医疗保健财务脆弱性。研究人员将高财务负担定义为自付医疗费用超过家庭收入的10%。分析采用了逻辑回归、随机森林和梯度提升模型，发现贫困状况、保险覆盖和处方药支出是财务脆弱性的关键预测因素。尽管差异依然存在，但在大流行前数据上训练的模型对大流行后数据仍具有显著的预测能力，表明财务压力的核心预测因素是稳定的。 AI

排序理由 该项目是一篇学术论文，详细介绍了对人口健康数据进行的机器学习分析。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习模型显示，COVID-19后医疗保健财务脆弱性的稳定预测因素

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Alexey Kresin, Zien Cheng, Ammar Ahad, Ebiyomare Kelvin, Manish Sivaratri, Prabhjeet Singh, Omar Aljawfi, Olabisi Ojo, Nawar Shara ·

    谁在COVID-19后变得经济脆弱？一项使用MEPS数据的群体层面机器学习分析

    arXiv:2607.15446v1 Announce Type: new Abstract: The cost of healthcare remains a concern in the United States and may have been influenced by disruptions associated with the COVID-19 pandemic. This study examines healthcare financial vulnerability before and after the pandemic us…

相关实体

相关话题