MétaCan
Menu
Retour à la cohorte
Enregistrement W2033095858 · doi:10.1002/jid.726

Are user charges efficiency‐ and equity‐enhancing? A critical review of economic literature with particular reference to experience from developing countries

2001· review· en· W2033095858 sur OpenAlexaff
Ardeshir Sepehri, Robert Chernomas

Notice bibliographique

RevueJournal of International Development · 2001
Typereview
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésUser feeEquity (law)Public economicsRevenueScope (computer science)WelfareEconomicsBusinessHealth careFinanceEconomic growthMarket economyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract User charges have come to play a significant role in the financing and delivery of publicly provided health services in many developing countries. As a response to health care financing crises, user charges are often promoted as a way of rationalizing the use of care, raising revenue, and improving the coverage and quality of services. The primary purpose of this paper is to provide a critical review of the main arguments for the efficiency‐ and equity‐enhancing potential of user charges. The extent and scope of welfare gains from user charges are found to be very limited in practice. Using a less restrictive theoretical choice model and estimation technique, the most recent demand studies' findings indicate that household's utilization of health services are more responsive to changes in price and income than was initially reported by the early demand studies. Response to price changes are also found to be greater among the poor than the rich. These findings, combined with modest retained fee revenues and the failure of exemption mechanisms to protect the poor tend to cast doubt on the net benefits of user charges policy, particularly in the area of equity. Copyright © 2001 John Wiley & Sons, Ltd.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,010
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,390
Écart entre enseignants0,336 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International DevelopmentMême sujetGlobal Maternal and Child HealthTravaux en français237 207