KaydedilenlerDerginizi ekleyin

Dergiler / Hacettepe Sağlık İdaresi Dergisi / 2015 / Cilt: 18 - Sayı: 1

OECD'ye Üye Ülkelerde Cepten Sağlık Harcamalarının Hiyerarşik Kümeleme Analizi İle İncelenmesi

Examination of Out of Pocket Health Expenditures In Member of OECD Countries Using Hierarchical Clustering Analysis

Songül ÇINARLIOĞLU
Sayfa
47–60
Yayın Tarihi
2022-10-17
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Cepten sağlık harcamaları hanehalklarının sağlık hizmeti alımı sırasında yapmış olduklarıharcamaları göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Cepten sağlık harcamaları hanehalklarının sağlık hizmeti alımı sırasında yapmış olduklarıharcamaları göstermektedir.
📊
Temel Bulgular & Veri:Bu çalışmada OECD ye üye olan ülkelerin 1995-2011 yılları için ceptenyapılan sağlık harcamaları bakımından, farklı benzerlik ve uzaklık ölçüleri kullanılarak ve hiyerarşikkümeleme yönteminden yararlanılarak gruplandırılması amaçlanmıştır.
💡
Sonuç & Katkı:Analiz sonuçlarına göre en uzun ortak küme ve öklituzaklık ölçüsünün kümelerin ayırt edilmesinde daha iyi bir performans sergilediği bulunmuş olupincelenen yıllar içerisinde cepten sağlık harcaması bakımından benzer trende sahip olan ülkelerin aynıkümelerde yer aldıkları görülmüştür
🔬Tür:Araştırma Makalesi
📍Kapsam:2011 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

Cepten sağlık harcamaları hanehalklarının sağlık hizmeti alımı sırasında yapmış olduklarıharcamaları göstermektedir. Bu harcamalar arasında doktor muayene ücretleri, ilaç ve diğer hastaneharcamaları bulunmaktadır. Bu çalışmada OECD ye üye olan ülkelerin 1995-2011 yılları için ceptenyapılan sağlık harcamaları bakımından, farklı benzerlik ve uzaklık ölçüleri kullanılarak ve hiyerarşikkümeleme yönteminden yararlanılarak gruplandırılması amaçlanmıştır. Yapılan hiyerarşik kümelemeanalizinde ülkeler arasındaki benzerlik ve uzaklıkların belirlenmesinde en uzun ortak küme, korelasyonkatsayısı ve öklit uzaklık ölçüsü kullanılmıştır. Analiz sonuçlarına göre en uzun ortak küme ve öklituzaklık ölçüsünün kümelerin ayırt edilmesinde daha iyi bir performans sergilediği bulunmuş olupincelenen yıllar içerisinde cepten sağlık harcaması bakımından benzer trende sahip olan ülkelerin aynıkümelerde yer aldıkları görülmüştür

Abstract

Out of pocket health payments refers to the payments made by households at the time they receivehealth services. Typically it includes doctor s consultation fees, medicine and other hospital relatedcosts. In this study it was aimed to classi fy member of OECD countries interms of out of pocket healthpayments, using di fferent similarity and proximity measures and using hierarchical clustering method.Longest common subsequences, correlation coefficient and euclidean distance measure was used fordetermining similaritities and proximities between countries in hierarchical clustering analysis. At theend of the analysis it was seen that performance of longest common subsequences and euclideandistance measure was better about discriminating clusters and countries which have similar trend aboutout of pocket health expenditures were in the same clusters.

🔖

Bu Makaleye Atıf Yap

ÇINARLIOĞLU, S. (2022). OECD'ye Üye Ülkelerde Cepten Sağlık Harcamalarının Hiyerarşik Kümeleme Analizi İle İncelenmesi. Hacettepe Sağlık İdaresi Dergisi, Cilt: 18 - Sayı: 1, 47–60. https://ajindex.com/articles/531099

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Anderson G. F. and Frogner B. K. (2008) Health Spending in OECD Countries: Obtaining Value Per Dollar. Health Affairs 27(6):1718-1727
  2. Anderson G. F., Hussey P. S., Frogner B. K. and Waters H.R. (2005) Health Spending in the United States and the Rest of the Industrial World. Health Affairs 24(4):903-914
  3. Baltagi B. H. and Moscone F. (2010) Health care expenditure and income in the OECD Reconsidered: Evidence from Panel Data. Economic Modelling 27:804-811
  4. Boogaart K. G., Rost S. and Petzoldt T. (2013) Package "qualV", P.15 http://cran.rproject.org/web/ packages/qualV/qualV.pdf
  5. Crochemore M., Iliopoulos C. S., Pinzon Y. J. and Reid J. F. (2001) A Fast and Practical Bit-Vector Algorithm for The Longest Common Subsequence Problem. Information Processing Letters 80:279-285
  6. Das R., Bhattacharyya D. K. and Kalita J. K. (2007) An Effective Dissimilarity Measure for Clustering Gene Expression Time Series Data. Biotechnology and Bioinformatics Symposium
  7. Deza E. and Deza M. M. (2009) Enclopedia of Distances. Springer
  8. Gerard A. F. and Bianca K. F. (2008) Health Spending In OECD Countries: Obtaining Value Per Dollar. Health Affairs 27(6):1718-1727
  9. Glynn E. F. (2005) Correlation "Distance" and Hierarchical Clustering. R Teach Notes and Gallery, http://research.stowers-institute.org/efg/R/ Visualization /cor-cluster/
  10. Grabusts P. and Borisov A. (2009) Clustering Methodology For Time Series Mining. Scientific Journal of Riga Technical University 40:81-86
  11. Greenberg R. I. (2003) Bounds on the Number of Longest Common Subsequences. Technical report, Loyola University, http://arXiv.org /abs/ cs/ 0301030v2. 25
  12. Hamasuna Y., EndoY. and Miyamoto S. (2012) On Agglomerative Hierarchical Clustering Using Clusterwise Tolerance Based Pairwise Constraints. Journal of Advanced Computational Intelligence Informatics 16(1):174-175
  13. Huber M. and Orosz E. (2003) Health Expenditure Trends In OECD Countries, 1990- 2001. Health Care Financing Review 25(1):1-22
  14. Iglesias F. and Kastner W. (2013) Analysis of Similarity Measures in Time Series Clustering for the Discovery of Building Energy Patterns. Energies 6:579-597
  15. Jachner S., Boogart K. G. and Petzoldt T. (2007) Statistical Methods for The Qualitative Assessment of Dynamic Models With Time Delay (R Package QualV). Journal of Statistical Software 22(8):1-30
  16. Lassman D., Hartman M., Washington B., Andrews K. and Catlin A. (2014) US Spending Trends By Age and Gender: Selected Yea