ABSTRAK
Objektif: Penelitian ini bertujuan untuk mengidentifikasi variabel utama dalam estimasi pengeluaran kesehatan di negara anggota OECD dengan
metode pohon keputusan dan untuk mengkategorikan negara-negara anggota dengan pengeluaran kesehatan.
metode: Populasi penelitian terdiri dari 2014 data 35 negara OECD. Dalam studi tersebut, pengeluaran kesehatan sebagai bagian dari
produk domestik bruto adalah variabel dependen sedangkan PDB per kapita, persentase dari total penduduk diasuransikan publik dan
swasta, belanja kesehatan out-of-saku sebagai persentase total pengeluaran untuk kesehatan, rasio usia ketergantungan, harapan
hidup saat lahir, jumlah rumah sakit juta per penduduk, jumlah dokter per jumlah penduduk / kepala, penjualan farmasi dan kesehatan
yang dirasakan Status 1000 ditetapkan sebagai variabel independen. Model pohon keputusan dibangun dengan algoritma CART
menggunakan paket perangkat lunak Oranye data mining.
hasil: Dalam studi tersebut, PDB per kapita, harapan hidup saat lahir, rasio ketergantungan usia, jumlah rumah sakit dan persentase
penduduk dengan status kesehatan buruk yang dirasakan diidentifikasi sebagai variabel utama dalam estimasi pengeluaran kesehatan.
negara-negara OECD dikategorikan dalam 6 kelompok sesuai dengan model pohon keputusan. Menurut algoritma Kereta yang
digunakan dalam model, tingkat akurasi klasifikasi dan ketepatan estimasi dihitung sebagai 80,56% dan 81,25%, masing-masing.
Kesimpulan: Hasil penelitian menunjukkan bahwa faktor penentu yang paling penting untuk memperkirakan pangsa PDB dialokasikan untuk
belanja kesehatan adalah PDB per kapita. Studi masa depan harus dilakukan dengan masuknya variabel yang berbeda dalam model.
KATA KUNCI: Klasifikasi, data mining, metode pohon keputusan, pengeluaran kesehatan, OECD.
doi: https://doi.org/10.12669/pjms.336.13300
Cara mengutip ini:
Akca N, Sonmez S, Yilmaz A. Penentu pengeluaran kesehatan di negara-negara OECD: Keputusan Sebuah model pohon. Pak J Med Sci. 2017; 33 (6): 1490-1494. doi:
https://doi.org/10.12669/pjms.336.13300
Ini adalah sebuah artikel Open Access didistribusikan di bawah persyaratan Lisensi Creative Commons Attribution (http://creativecommons.org/licenses/by/3.0), yang memungkinkan penggunaan tak
terbatas, distribusi, dan reproduksi dalam media apapun, asalkan karya asli adalah benar dikutip.
PENGANTAR nal dan eksternal lingkungan. 1 Populasi yang menua dan kenaikan
mengakibatkan penyakit kronis, obat perkembangan dan teknologi,
Sistem terbuka seperti organisasi kesehatan secara signifikan
perubahan tren tition compe- di pasar perawatan kesehatan,
dipengaruhi oleh perubahan antar mereka
undang-undang kesehatan dan mengubah struktur tenaga kerja kesehatan
1. Nesrin Akca, PhD. telah menyebabkan membangun struktur meningkat kesehatan
2. Seda Sonmez, MSc.
pengeluaran dana. 2 Sebagai negara memerangi meningkatnya biaya
3. Ali Yilmaz, PhD.
1-3: Departemen Manajemen Kesehatan, kesehatan, mereka juga mencoba untuk memastikan akses ke layanan
Fakultas Ilmu Kesehatan, Kirikkale University,
kesehatan yang komprehensif dan non-diskriminatif dan pro- tect warganya
Kirikkale, Turki. Korespondensi: Nesrin Akca,
dari biaya kesehatan intolerably tinggi. 3 Dalam OECD (Organization for
Economic setahu Crisis Pembangunan timbangkan) negara, pengeluaran
Kirikkale University, Jurusan Manajemen Kesehatan, Fakultas Ilmu kesehatan sebagai bagian dari PDB meningkat tahunan. 4 Proyeksi
Kesehatan, menunjukkan bahwa peningkatan ini akan bertahan dalam 50 tahun ke
Kesehatan Kampus / 71100, Kirikkale, Turki Email:
nakca@kku.edu.tr depan (di studi 2010 data yang digunakan dalam tion estima-) dan bahwa
pengeluaran kesehatan bagi negara- OECD
* Diterima untuk publikasi: 8 Juni 2017
* Revisi diterima: 13 Oktober 2017
* Revisi diterima: 18 Oktober 2017
mencoba akan mencapai sekitar 14% pada 2060 tetapi itu dapat memperkenalkan perspektif yang berbeda dan hasilnya mendukung
dikurangi turun ke 9,5% dengan peraturan dalam kebijakan penelitian serupa dalam literatur menyoroti maknanya. Dalam rangka
kesehatan nasional. 5 Tingkat pengeluaran kesehatan nasional untuk memperkirakan faktor-faktor penentu pengeluaran kesehatan di
merupakan masalah besar untuk dikembangkan, berkembang dan negara-negara OECD, Phi (2017) 15 digunakan analisis data panel untuk
negara-negara berkembang. The cor- kebutuhan Pertanyaan rect menyelidiki 2000-2013 data dan menemukan hasil serupa.
dirumuskan untuk menentukan apa yang belanja kesehatan suatu
negara harus: “Berapa banyak yang harus menghabiskan negeri
METODE
saya pada kesehatan, mengingat profil epidemiologi kami saat ini
relatif terhadap tingkat yang kita inginkan dari status kesehatan, Penelitian ini bertujuan untuk mengidentifikasi variabel utama
pertimbangan- kenai efektivitas input kesehatan yang akan dibeli dalam estimasi pangsa dari produk domestik bruto dialokasikan untuk
dengan harga yang ada, dan dengan mempertimbangkan nilai relatif belanja kesehatan di negara-negara anggota OECD dan untuk
dan biaya tuntutan lain pada sumber daya sosial?”. 6 Oleh karena itu, mengkategorikan negara-negara anggota oleh variabel-variabel
penentuan belanja kesehatan suatu negara adalah proses yang tersebut dengan metode pohon keputusan. Populasi penelitian terdiri
quires ulang pertimbangan beberapa faktor. Karena peningkatan dari data dari 35 negara anggota OECD. Dalam studi tersebut, para
konstan, investigasi faktor-faktor penentu belanja kesehatan telah tribution dis dari pangsa PDB dialokasikan untuk belanja kesehatan
menjadi salah satu isu utama bagi para pembuat kebijakan diperiksa. mencoba anggota negara- diklasifikasikan dalam dua
kesehatan dan perencana. 7 Sejumlah penelitian yang bertujuan kategori sebagai orang-orang dengan saham PDB di bawah atau di
identify- ing faktor penentu telah dilakukan. Studi terdahulu telah atas nilai rata-rata 9% (8,97%) 4 dan ini digunakan sebagai variabel
diidentifikasi pendapatan (GDP) sebagai indubita- Bly penentu yang dependen dalam analisis. Dengan tinjauan literatur, variabel
paling penting dari kesehatan penditure mantan. 8 Variabel lain dianggap untuk bertindak atas pengeluaran kesehatan diidentifikasi
dianggap deter- minants pengeluaran kesehatan rasio usia dan digunakan sebagai variabel studi independen. produk domestik
ketergantungan dan kebutuhan epidemiologi, kemajuan dalam bruto per kapita, persentase dari total penduduk diasuransikan publik
teknologi medis, karakteristik sistem kesehatan, out-of-saku dan swasta, out-of-saku pengeluaran kesehatan sebagai persentase
pengeluaran kesehatan, populasi pola dis kemudahan, sistem dari total pengeluaran untuk kesehatan, rasio ketergantungan usia,
asuransi kesehatan, jumlah dokter, jumlah obat yang diresepkan per harapan hidup saat lahir, jumlah rumah sakit per juta penduduk,
orang, jumlah rumah sakit, angka kelahiran kasar, tingkat melek jumlah sicians phy- per 1000 jumlah penduduk / kepala, status
huruf dan harapan hidup saat lahir. 9-14 kesehatan yang dirasakan dan penjualan farmasi yang desig- yang
ditunjuk sebagai variabel independen (Tabel-I). Hanya 2014 data
termasuk dalam studi sebagai ity unavailabil- dari satu set lengkap
data untuk semua variabel penelitian dapat mempengaruhi model.
Variabel yang ed pilih- setelah tinjauan literatur dan peer debriefing.
pengeluaran kesehatan sebagai bagian dari produk domestik bruto (%) OECD
Variabel independen
Produk domestik bruto per kapita (USD, PPP saat ini) OECD
Out-of-saku pengeluaran kesehatan (% dari total pengeluaran untuk kesehatan) Bank Dunia
Status dirasakan kesehatan (baik, adil dan buruk-% dari populasi) OECD
Tabel-II: Kriteria Kinerja untuk Pohon Keputusan Algoritma (10 kali lipat lintas validasi).
Algoritma /
Kriteria Kinerja CA Sens Spec AUC AKU S F1 prec Penarikan Mawar liar PKS
ID3 0,7444 0,7647 0,7222 0,7500 0,4764 0,7429 0,7222 0,7647 0,4550 0,4869
C4,5 0,8056 0,7647 0,8333 0,7407 0,5245 0,7879 0,8125 0,7647 0,3993 0,6000
GEROBAK 0,8056 0,7647 0,8333 0,7870 0,5595 0,7879 0,8125 0,7647 0,3704 0,6000
CA: Klasifikasi Akurasi Sens: Sensitivitas Spec: Spesifisitas AUC: Area Under ROC Curve IS: Informasi Score F1: F1 Score (mean harmonik presisi
dan recall) Prec: Presisi Ingat: Ingat Skor Brier: Brier Skor PKS: Matius Koefisien Korelasi.
Oranye paket perangkat lunak data mining Versi disajikan pada Tabel-III. Tabel menunjukkan rata-rata pangsa 9% dari
2,7 digunakan dalam analisis data. Dalam rangka untuk PDB dialokasikan untuk belanja kesehatan di negara-negara OECD
menentukan algoritma yang akan digunakan dalam pohon pada tahun 2014. alat untuk PDB per kapita, pengeluaran kesehatan
keputusan mod- el, kriteria kinerja untuk ID3, C4.5 dan algoritma out-of-saku sebagai bagian dari pengeluaran kesehatan secara
Kereta - algoritma pohon keputusan umum yang paling - keseluruhan, rasio usia ketergantungan, persentase penduduk dengan
dievaluasi dengan 10 kali lipat lintas valida- tion. Selain itu, kelas asuransi kesehatan, harapan hidup saat lahir, jumlah rumah sakit per
target ditunjuk sebagai “sama dengan atau di bawah 9%” juta penduduk, jumlah dokter per 1000 jumlah penduduk / kepala dan
(dikodekan sebagai 0 dalam model) di semua algoritma pohon penjualan farmasi yang
keputusan. Kriteria yang digunakan untuk kinerja algoritma
analisis yang classifica- tingkat tion akurasi, sensitivitas, 40.081,29 USD, 19,62%, 51,17%, 98,15%, 80,61 tahun,
spesifisitas, area di bawah kurva ROC, skor informasi, skor F1, 29,71 rumah sakit, 4,65 dokter dan 1.126.244,355 unit;
presisi, recall, skor Brier dan Matthews korelasi yang tion masing-masing. Rerata persentase penduduk dengan baik, adil
Koefisien. Menurut kriteria ini, algoritma dengan kinerja terbaik dan status kesehatan yang dirasakan buruk 4 ( digunakan sebagai
diidentifikasi sebagai algoritma CART (Tabel-II) dan model pohon dicirikan dalam OECD dasar data-) adalah 69,91%, 21,39% dan
keputusan dibangun dengan algoritma ini dengan kriteria minimal 9,35%; masing-masing. Model pohon keputusan dibangun
5 elemen dalam node, tes yang dilakukan diilustrasikan dalam dengan algoritma Kereta mengungkapkan PDB per kapita
TableII. sebagai penentu paling penting bagi memperkirakan pangsa
PDB dialokasikan untuk belanja kesehatan. Variabel penting
lainnya adalah harapan hidup saat lahir, rasio ketergantungan
usia, jumlah rumah sakit dan persentase penduduk dengan buruk
HASIL dirasakan status kesehatan (Gbr.1).
produk domestik bruto per kapita PDB 17.973,26 100.052,81 40.081,29 15.403,68
status kesehatan yang dirasakan (baik) PHSG 32.50 91,40 69,91 13.31
status kesehatan yang dirasakan (adil) PHSF 6.80 51.60 21,39 9.22
status kesehatan yang dirasakan (buruk) PHSB 1,70 18.30 9.35 4.65
dari sumber daya yang terbatas kepada masyarakat adalah usaha yang
membutuhkan terencana dan terorganisir eksekusi. Oleh karena itu,
pembuat kebijakan membutuhkan data berbasis bukti untuk membangun
keputusan mereka atas. Di negara-negara anggota OECD, pengeluaran
kesehatan meningkat setiap tahun. Dalam studi tersebut, variabel utama
dalam estimasi pangsa produk domestik bruto dialokasikan untuk belanja
kesehatan di negara-negara anggota OECD diidentifikasi dan
negara-negara anggota dikategorikan oleh variabel-variabel tersebut
dengan metode pohon keputusan.
DISKUSI
yaitu harapan hidup saat lahir, kematian bayi, berat badan lahir 3. gemuk T, Belanja Neumayer E. Kesehatan, Out of Pocket Kontribusi, dan
Angka Kematian. Adm Umum 2013; 91 (2):. 403-418.doi: 10,1111 /
rendah, kematian ibu dan tahun potensi hidup yang hilang. Mereka
j.1467-9299.2012.02039.x.
menemukan bahwa pengeluaran untuk pelayanan kesehatan 4. OECD. pengeluaran kesehatan (indikator). doi: 10,1787 / 8643de7e- en (Diakses
dikaitkan dengan hasil kesehatan yang lebih baik (hanya harapan pada 7 April 2017)
hidup saat lahir (p <0,001) dan tahun potensi hidup yang hilang (p = 5. OECD. “Apa Masa Depan untuk Kesehatan Pengeluaran?”, OECD Ekonomi
Departemen Kebijakan Catatan, Nomor 19 Juni 2013.
0,02)). 14 Furuoka et al. (2011) melaporkan GDP dan populasi yang
6. Savedoff, W. Berapa banyak negara harus menghabiskan pada kesehatan? Jenewa:
menua sebagai dua variabel utama pengeluaran kesehatan di
World Health Organization2003.
negara-negara Asia. Mereka melaporkan bahwa dua arah model 7. Rezaei S, Fallah R, Karyani AK, Daroudi R, Zandiyan H, Hajizadeh M.
fixed-efek adalah model yang paling tepat di antara yang dibangun Penentu pengeluaran kesehatan di Iran: Bukti dari analisis time series. Med
dalam penelitian ini dan bahwa model ini menjelaskan 99% dari J Islam Repub Iran. 2016; 30: 313.
untuk menyelidiki 2000-2013 data. Studi diadopsi belanja kesehatan 9. Han K, Cho M, Chun K. Penentu pengeluaran perawatan kesehatan dan
kontribusi faktor-faktor yang berhubungan: 16 kota dan provinsi di Korea,
per kapita sebagai variabel dependen dan pengeluaran kesehatan
2003-2010. J Prev Med Kesehatan Masyarakat. 2013; 46 (6): 300-308.doi:
per kapita sebagai bagian dari PDB per kapita, PDB per kapita, 10,3961 / jpmph.2013.46.6.300.
pembiayaan publik, jumlah dokter per 1000 penduduk, jumlah
tempat tidur rumah sakit per 1000 penduduk, konsumsi alkohol, 10. Nguyen L, Hakkinen U, Pekurinen M, Rosenqvist G, Mikkola H. Penentu
pengeluaran perawatan kesehatan dalam sistem perawatan kesehatan
tembakau konsumsi, harapan hidup dan populasi> 65 tahun sebagai
desentralisasi. Diskusi Papers 21. TerveydenJaHyvinvoinninLaitos2009.
variabel independen. Semua model dibangun dalam penelitian ini
menghasilkan hasil serupa di mana elastisitas PDB lebih kecil dari 1, 11. Samadi AH, Homaie Rad E. Penentu Pengeluaran Kesehatan di Organisasi
menekankan bahwa layanan kesehatan tidak mewah. Hasil Kerja Sama Ekonomi (ECO) Negara-Negara: Bukti dari Tes Panel
Kointegrasi. Int J Kebijakan Kesehatan Manag. 2013; 1 (1): 63-68.doi:
penelitian menunjukkan PDB, harapan hidup dan penduduk usia 65
10,15171 / ijhpm.2013.10.
tahun dan lebih tua sebagai penentu yang paling penting dari
pengeluaran kesehatan di negara-negara OECD. 15 12. X Ke, Saksena P, Holly A. penentu pengeluaran kesehatan: analisis data
panel tingkat negara. Jenewa: Organisasi Kesehatan Dunia 2011.
14. Bradley EH, Elkins BR, Herrin J, Elbel B. Kesehatan dan pengeluaran
pelayanan sosial: asosiasi dengan hasil kesehatan. BMJ Qual
Kesimpulannya, hasil penelitian ini adalah kongruen dengan Saf. 2011; 20: 826-831.
studi masa lalu. Selain itu, hadir studi diidentifikasi hasil kesehatan doi: 10,1136 / bmjqs.2010.048363.
(yaitu harapan hidup saat lahir dan persentase penduduk dengan 15. Phi G. Penentu Pengeluaran Kesehatan di Negara OECD. Program Honors
Capstone Senior Project.
persepsi kesehatan yang buruk) sebagai penentu belanja
2017. URL: http://digitalcommons.bryant.edu/cgi/
kesehatan bersama GDP dan usia. Kami percaya temuan kami viewcontent.cgi Artikel = 1025 & context = honors_economics (Tiba Tanggal:
akan memberikan kontribusi untuk literatur dan memberikan 2017/10/10)?
informasi berbasis bukti penting untuk para pembuat kebijakan 16. Okunade AA. Analisis dan implikasi dari faktor-faktor penentu pengeluaran kesehatan di
negara-negara Afrika. Perawatan Kesehatan Manag Sci. 2005; 8 (4): 267-276. doi:
kesehatan dan perencana. Namun, karena faktor-faktor yang
10,1007 / s10729-005-4137-5.
bertindak atas belanja kesehatan tidak terbatas pada variabel 17. Di Matteo L. penentu makro pengeluaran kesehatan di Amerika Serikat dan
penelitian ini, menyelidiki faktor-faktor lain dalam studi masa depan Kanada: menilai dampak dari pendapatan, distribusi usia dan waktu.
akan memberikan informasi yang lebih komprehensif. Kebijakan Kesehatan. 2005; 71 (1): 23-42.doi: 10,1016 /
j.healthpol.2004.05.007.
18. Hosoya K. Penentu pengeluaran kesehatan: fakta Stylized dan sinyal baru.
Mod Eco. 2014; 5 (13): 1171.doi:
10,4236 / me.2014.513109
Hibah Dukungan Keuangan Pengungkapan: Tidak ada.
19. Furuoka F, Yee BLF, Kok E, Hoque MZ, Munir T. Apa adalah penentu dari
pengeluaran Kesehatan? Hasil empiris dari Negara Asia. Sunway Acad J.
REFERENSI 2011; 8 (12): 12-25.
1. Arah, OA, Westert GP, Hurst J, Klazinga NS. Sebuah kerangka konseptual
untuk OECD proyek indikator kualitas kesehatan. Int J Qual Kesehatan.
Kontribusi penulis:
2006; 18 (Suppl 1): 5-13. doi: 10,1093 / intqhc / mzl024.
Nesrin Akca: Penyusunan naskah akhir.
2. Ginsburg P, Hughes M, Adler L, Burke S, Hoagland GW, Jennings C, et al. Apa yang Seda Sonmez: Data dianalisis.
mendorong pengeluaran perawatan kesehatan AS. Pertumbuhan Amerika tidak Nesrin Akca, Seda Sonmez dan Ali Yilmaz: Penelitian sastra yang
berkelanjutan biaya kesehatan. Bipartisan Pusat Kebijakan. September 2012.
dilakukan oleh semua penulis.