Main Determinants of Supplementary Health Insurance Demand: (Case of Iran)
Notice bibliographique
Résumé
INTRODUCTION: In the majority of developing countries, the volume of medical insurance services, provided by social insurance organizations is inadequate. Thus, supplementary medical insurance is proposed as a means to address inadequacy of medical insurance. Accordingly, in this article, we attempted to provide the context for expansion of this important branch of insurance through identification of essential factors affecting demand for supplementary medical insurance. METHOD: In this study, two methods were used to identify essential factors affecting choice of supplementary medical insurance including Classification and Regression Trees (CART) and Bayesian logit. To this end, Excel® software was used to refine data and R® software for estimation. The present study was conducted during 2012, covering all provinces in Iran. Sample size included 18,541 urban households, selected by Statistical Center of Iran using 3-stage cluster sampling approach. In this study, all data required were collected from the Statistical Center of Iran. RESULTS: In 2012, an overall 8.04% of the Iranian population benefited from supplementary medical insurance. Demand for supplementary insurance is a concave function of age of the household head, and peaks in middle-age when savings and income are highest. The present study results showed greater likelihood of demand for supplementary medical insurance in households with better economic status, higher educated heads, female heads, and smaller households with greater expected medical expenses, and household income is the most important factor affecting demand for supplementary medical insurance. CONCLUSION: Since demand for supplementary medical insurance is hugely influenced by households' economic status, policy-makers in the health sector should devise measures to improve households' economic or financial access to supplementary insurance services, by identifying households in the lower economic deciles, and increasing their financial ability to pay. Moreover, insurance companies should adjust their insurance policy according to clients' needs, household characteristics, and their incomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».