MétaCan
Menu
Retour à la cohorte
Enregistrement W3014566028 · doi:10.1080/23288604.2020.1744988

On the Measurement of Financial Protection: An Assessment of the Usefulness of the Catastrophic Health Expenditure Indicator to Monitor Progress Towards Universal Health Coverage

2020· article· en· W3014566028 sur OpenAlexaff
Karen A. Grépin, Bridget R. Irwin, Benjamin Sas Trakinsky

Notice bibliographique

RevueHealth Systems & Reform · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesAXA Research Fund
Mots-clésBusinessEnvironmental healthRisk analysis (engineering)Medicine

Résumé

récupéré en direct d'OpenAlex

Ensuring financial protection (FP) against health expenditures is a key component of Sustainable Development Goal (SDG) 3.8, which aims to achieve Universal Health Coverage (UHC). While the proportion of households with catastrophic health expenditures exceeding a proportion of their total income or consumption has been adopted as the official SDG indicator, other approaches exist and it is unclear how useful the official indicator is in tracking progress toward the FP sub-target across countries and across time. This paper evaluates the usefulness of the official SDG indicator to measure FP using the RACER framework and discusses how alternative indicators may improve upon the limitations of the official SDG indicator for global monitoring purposes. We find that while all FP indicators have some disadvantages, the official SDG indicator has some properties that severely limit its usefulness for global monitoring purposes. We recommend more research to understand how alternative indicators may enhance global monitoring, as well as improvements to the quality and quantity of underlying data to construct FP indicators in order to improve efforts to monitor progress toward UHC.

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)0,065
score de la tête « metaresearch » (Gemma)0,163
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 enseignants0,065
Score d'incertitude au seuil0,342

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,163
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,010
Études des sciences et des technologies0,0010,004
Communication savante0,0020,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,085
Tête enseignante GPT0,300
Écart entre enseignants0,215 · 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

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Systems & ReformMême sujetHealthcare Systems and ReformsTravaux en français237 207