MétaCan
Menu
Retour à la cohorte
Enregistrement W2253696312

Is post-communist health spending unusual? A comparison with established market economies

2000· article· en· W2253696312 sur OpenAlexaff
János Kornai, John McHale

Notice bibliographique

RevueSSRN Electronic Journal · 2000
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPer capitaEconomicsPer capita incomePost communistDemographic economicsGross domestic productDemographicsLabour economicsPoliticsEconomic growthPopulationDemographyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

What factors determine a country’s spending on health? And what factors determine the share of spending financed by the public sector? Taking these factors into account, is post-communist health spending unusual? For the OECD economies, we find that per capita health spending is strongly related to per capita income, with an elasticity of about 1.5. The elasticity for developing economies is close to one. Spending is also positively related to the elderly dependency rate, but the relationship is weaker than a static comparison of spending by the elderly and non-elderly would suggest. Even though health spending as a share of GDP in the post-communist countries of eastern and central Europe is below the OECD average, there is evidence of above normal health spending in most countries when we control for income and demographics. For Hungary, the ‘excess’ spending reached over three percentage points of GDP in 1994. For the OECD sample, four development indicators account for half the variation in the public sector share of total health spending. Political variables help explain the remainder. If the post-communist countries converge to the market economy pattern, the share of public financing will fall, yet still remain well above half.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,396
Écart entre enseignants0,367 · 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'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

Citations16
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetGlobal Health Care IssuesTravaux en français237 207