MétaCan
Menu
Retour à la cohorte
Enregistrement W4411522678 · doi:10.1016/j.healthpol.2025.105381

The progressivity of health care revenue financing in 29 countries: A comparison

2025· article· en· W4411522678 sur OpenAlexaff
Andres Võrk, Peter Pažitný, Ruth Waitzberg, Sara Allin, Daiga Behmane, Nicolas Bouckaert, Damien Bricard, Lucie Bryndová, Antoniya Dimova, Fidelia Cascini, Péter Gaál, Katharina Habimana, Marios Kantaris, Ewa Kocot, Madelon Kroneman, Liubovė Murauskienė, Zeynep Or, Carlo De Pietro, Ingrid Sperre Saunes, Stephen Thomas, Karsten Vrangbæk, Thomas Rice

Notice bibliographique

RevueHealth Policy · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEuropean Observatory on Health Systems and Policies
Mots-clésRevenueBusinessHealth careFinanceHealth care financingPublic economicsEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study assesses progressivity in public and private health care revenue collection among 29 high-income countries by combining the results of two previous articles comprising this special section of Health Policy. In those studies, we developed qualitatively based scores regarding revenue collection policies for three public revenue sources (income taxes, social insurance contributions, consumption taxes) and two private revenue sources (voluntary health insurance, out-of-pocket payments). OBJECTIVE: The current study sums these scores, weighted by the shares of each revenue source in each country, to calculate an overall progressivity score for each country. METHODS: We derived weights for each revenue source using publicly available OECD and Eurostat macrolevel data on the structure of health care financing and government revenues. RESULTS: France was the country that had the most progressive system, and Latvia, Hungary, and Bulgaria, the least progressive. CONCLUSIONS: Countries relying more on out-of-pocket payments tend to be more regressive overall, suggesting that, from an equity perspective, their role should remain limited. Tax-based systems do not inherently ensure progressivity, especially when relying heavily on regressive consumption taxes. While wealthier countries and those with less income inequality tend to be more progressive, in contrast, Switzerland and Germany both scored among the more regressive countries. Our study shows that policy matters in promoting progressivity in health system revenue collection. Both public and private sources can be regressive if nothing is done. Yet, there are policy instruments that can mitigate regressivity, and even private sources of funds can be made less regressive.

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)0,012
score de la tête « metaresearch » (Gemma)0,023
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 seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0100,012
Études des sciences et des technologies0,0010,002
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,040
Tête enseignante GPT0,380
Écart entre enseignants0,340 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueHealth PolicyMême sujetHealthcare Systems and ReformsTravaux en français237 207