MétaCan
Menu
Retour à la cohorte
Enregistrement W2121734159 · doi:10.5281/zenodo.20762835

Revisiting Health and Income Inequality Relationship: Evidence from Developing Countries

2012· article· en· W2121734159 sur OpenAlexaff
Mohammad Habibullah Pulok

Notice bibliographique

RevueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich) · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensUniversity of CalgaryAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésEconomicsEconomic inequalityInequalityDeveloping countryPanel dataDemographic economicsIncome distributionDistribution (mathematics)Income inequality metricsPopulationFixed effects modelEconometricsEconomic growthMedicineMathematicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

In general, countries with more equal distribution of income enjoy better health. Earlier empirical studies on the relationship between income distribution and health at country level present strong evidence that income inequality on an average impedes the improvement of population health. However, a majority of these empirical studies are based on data from either only developed countries or pooled data from developing and developed countries. They mainly study the relationship at a single point of time or at an average of several years. These studies also fail to take into account the country specific unobserved heterogeneity. Departing from the general trend of the current literature, this paper examines the health-income inequality hypothesis using panel data from 31 low income and low middle income countries for the period of 1982-2002. Application of fixed effects and random effects model to control for country specific heterogeneity in this study provides contradictory findings to the existing cross country studies. In other words, empirical results of this paper confirm that there is a positive relation between health and income distribution in this set of developing countries over the study period.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,067
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,110
Tête enseignante GPT0,384
Écart entre enseignants0,274 · 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.

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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich)Même sujetGlobal Health Care IssuesTravaux en français237 207