MétaCan
Menu
Retour à la cohorte
Enregistrement W3089990662 · doi:10.1002/hec.4172

Assessing financial protection in health: Does the choice of poverty line matter?

2020· article· en· W3089990662 sur OpenAlexfundno aff
John E. Ataguba

Notice bibliographique

RevueHealth Economics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesNational Research FoundationInternational Development Research Centre
Mots-clésPovertyPublic economicsAppealRanking (information retrieval)Dominance (genetics)BusinessEconomicsDevelopment economicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

Financial protection in health is an essential aspect of the universal health coverage discourse. It is about ensuring that paying for health services does not affect the ability of households and individuals to afford necessities. A well-known way to assess financial protection is whether or not people are pushed into-or further into-poverty by paying out-of-pocket for health services. Although impoverishment from out-of-pocket health spending is not an explicit indicator of the sustainable development goals, it has gained prominence among researchers and policymakers because of its intuitive appeal and link to overall poverty reduction. Using data from Nigeria, this paper demonstrates that the choice of poverty line matters for assessing the impoverishing effect of paying out-of-pocket for health services. Among other things, the inconsistencies (or lack of dominance) could occur in ranking impoverishment levels by mutually exclusive groups within a country or in ranking different countries or a country over time. The implication is that the choice of poverty line could lead to manipulation of results for policy and for supporting an agenda that demonstrates an improvement in financial protection when this may not necessarily be the case.

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)0,019
score de la tête « metaresearch » (Gemma)0,068
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 enseignants0,019
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,068
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,112
Tête enseignante GPT0,308
Écart entre enseignants0,196 · 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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealthcare Systems and ReformsTravaux en français237 207