MétaCan
Menu
Retour à la cohorte
Enregistrement W4394860280 · doi:10.61093/hem.2024.1-03

Socio-economic determinants of public healthcare

2024· article· en· W4394860280 sur OpenAlexaboutno aff
Mykola Melnyk, Andrii Blyzniukov, Svitlana Kolomiiets, Ruslan Dinits

Notice bibliographique

RevueHealth Economics and Management Review · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth carePublic healthcareBusinessEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

The main socio-economic mission of the healthcare system is to participate in the formation of workforce, strengthen the labor potential of society, and promote economic growth. The national health serves as an important economic resource. The COVID-19 pandemic has proven that losses due to illness and absence of employees from the workplace have negative economic consequences. The bibliometric study conducted via the VOSViewer bibliometric analysis of Scopus publications in 2014-2024 for the query “socio-economic determinants of public healthcare” allowed to structure the scientific work within 8 clusters. The latter showed leading researchers from the USA, the UK, India, Australia, Canada, Germany, Italy and Spain. In 2020-2023, due to the pandemic, publication activity in this area increased significantly. The article conducts a regression analysis of the impact of socio-economic determinants on the level of public healthcare. The public healthcare index is the population life expectancy. Among socio-economic determinants, there are nine components as factor attributes: current healthcare expenditures per capita; income shares of the richest and poorest – 10% and 20%; mortality rates up to 5 years and from suicide; number of people using at least basic sanitation and safe drinking water services, etc. The data for Ukraine from the World Bank statistical base for 2002-2019 were used as an information fundament. The multiple regression generation by the method of stepwise exclusion of variables was implemented using the MS Excel software. The article formulates a list of recommendations for increasing life expectancy. It includes measures to ensure the sanitary and epidemiological well-being of the population, development of healthcare infrastructure. The research also ensures availability of medical services to the population. The study educates and informs the population about the hygiene importance, proper use of sanitation and the consequences of inadequate sanitary conditions for health. Relevance of affordable sanitation improvement programmes for the poor is discussed.

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)0,008
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 enseignants0,010
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,127
Tête enseignante GPT0,483
Écart entre enseignants0,356 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Economics and Management ReviewMême sujetGlobal Health Care IssuesTravaux en français237 207