MétaCan
Menu
Retour à la cohorte
Enregistrement W4391991688 · doi:10.1002/hec.4813

Financial protection in health revisited: Is catastrophic health spending underestimated for service‐ or disease‐specific analysis?

2024· article· en· W4391991688 sur OpenAlexaff
John E. Ataguba, Hyacinth E. Ichoku, Marie‐Gloriose Ingabire, James Akazili

Notice bibliographique

RevueHealth Economics · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensInternational Development Research CentreUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésHealth spendingBusinessActuarial scienceService (business)DiseaseFinanceHealth careEconomicsMedicineHealth insuranceEconomic growthInternal medicineMarketing

Résumé

récupéré en direct d'OpenAlex

Economists originally developed methods to assess financial catastrophe using total or aggregate out-of-pocket health spending. Aggregate out-of-pocket health spending is financially catastrophic when it exceeds a fixed proportion (i.e., threshold) of a household's total income or expenditure in a given period. However, these methods are now applied to assess financial catastrophe in disease- or service-specific rather than aggregate out-of-pocket health spending without using disease- or service-specific thresholds. This paper argues that not using disease- or service-specific thresholds for such assessments is misleading and underestimates the burden of financial catastrophe, especially among households from poorer backgrounds. It then proposed disease- or service-specific catastrophic payment thresholds, applied them to Nigeria and found that financial catastrophe was underestimated for the five service groups considered. The paper stresses the importance of using disease- or service-specific thresholds and avoiding unadjusted thresholds, which may leave poorer households behind as financially protected.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,146
Tête enseignante GPT0,329
Écart entre enseignants0,183 · 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'étudeSans objet
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealthcare Systems and ReformsTravaux en français237 207