A Review of Published Scientific Outputs in the Field of Budgeting Methods in the Health System
Notice bibliographique
Résumé
Background and Aim: Budgeting in the health system plays a crucial role in enhancing the quality of healthcare services, increasing equitable access to health care, and reducing costs. Financial decision-making based on scientific data and evidence can improve the efficiency of the health system and ensure equity in resource allocation. This study aimed to examine the scientific status and trends of published literature on budgeting methods in the health system using bibliometric analysis to assist policymakers in making better financial decisions. Materials and Methods: This study is a bibliometric review with a descriptive–analytical approach, analyzing 222 scientific documents indexed in Scopus between 1974 and 2024. Data were analyzed using Excel, Bibexcel, VOSviewer, and Gephi software to map the knowledge structure, co-word relationships, and international collaborations in this field. Results: The United States (30%), Taiwan (15%), and Canada (10%) were the leading contributors to scientific output in this field. Journal articles comprised nearly 90% of all publications. The most frequent keywords were “budget,” “health care cost,” and “financial management,” reflecting a strong emphasis on cost control and resource management. Three main budgeting approaches were identified: performance-based, traditional (historical), and needs-based. Traditional budgeting remains dominant in developing countries, particularly where information infrastructure and managerial capacity are limited. International collaboration involved 18 countries, with the strongest cooperation observed between the United States and Taiwan. Conclusion: Improving the health budgeting system requires strengthening information systems, training managers, and enhancing international scientific collaboration. Resource allocation based on scientific data and bibliometric insights can optimize resource distribution and enhance equity in access to health services. Such measures would lead to greater health system efficiency and more comprehensive financial decision-making.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,058 | 0,088 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».