MétaCan
Menu
Retour à la cohorte
Enregistrement W2177208847 · doi:10.3390/socsci4041162

Who Benefits from Public Healthcare Subsidies in Egypt?

2015· article· en· W2177208847 sur OpenAlexaff
Ahmed Shoukry Rashad, Mesbah Fathy Sharaf

Notice bibliographique

RevueSocial Sciences · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSubsidyPublic healthcareHealth careBusinessPublic healthEconomic growthPublic economicsEnvironmental healthMedicineEconomicsNursing

Résumé

récupéré en direct d'OpenAlex

Direct subsidization of healthcare services has been widely used in many countries to improve health outcomes. It is commonly believed that the poor are the main beneficiaries from these subsidies. We test this hypothesis in Egypt by empirically analyzing the distribution of public healthcare subsidies using data from Egypt Demographic and Health Survey and Egypt National Health Accounts. To determine the distribution of public health care subsidies, we conducted a Benefit Incidence Analysis. As a robustness check, both concentration and Kakwani indices for outpatient, inpatient, and total healthcare were also calculated. Results show some degree of inequality in the benefits from public healthcare services, which varied by the type of healthcare provided. In particular, subsidies associated with University hospitals are pro-rich and have inequality increasing effect, while subsidies associated with outpatient and inpatient care provided by the Ministry of Health and Population have not been pro-poor but have inequality reducing effect (weakly progressive). Results were robust to the different analytical methods. While it is widely perceived that the poor benefit the most from health subsidies, the findings of this study refute this hypothesis in the case of Egypt. Poverty reduction measures and healthcare reforms in Egypt should not only focus on expanding the coverage of healthcare benefits, but also on improving the equity of its distribution.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,197
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,309
Tête enseignante GPT0,325
Écart entre enseignants0,016 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations32
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial SciencesMême sujetHealthcare Systems and ReformsTravaux en français237 207