Pattern and determinants of health care use and expenditures at the end-of-life in India
Notice bibliographique
Résumé
The burden of out-of-pocket expenditure on health care is unduly heavy on poor and vulnerable households. A national study shows that almost one quarter of households fall into poverty as a direct consequence of the medical expenses they \npay after being hospitalized. Further, more than two-fifths of individuals who were hospitalized during the last year borrowed money or sold assets to cover the hospital expenses. Health and social insurance mechanisms in India have not been adequately developed to mitigate such adverse impact. The consequences on those households get elevated further when the hospitalization eventually results into a \ndeath event. One possible outcome could be pushing these families into a zone of permanent poverty. \n \nThe main objectives of the study are: \n• to examine the type of medical attention received at the end-of-life \n• to analyse differentials in the use of hospital care and expenditure on treatment at the end-of-life by socio-economic groups \n• to compare financial burden of treatment (direct and indirect) on households reporting fatal and non-fatal outcomes. \n \nConclusions \n \n1. The poor and rural population persistently report lower levels of medical attention and use of hospital \ncare at the end-of-life, thus pinpointing accessibility and equity concerns. \n2.An incidence of hospitalization puts severe financial burden on a household and the burden becomes unduly heavy when resulting into death. In both rural and urban areas the burden rises with expenditure class, much sharply among fatal than non-fatal cases. Impoverishment burden is felt much more for rural than urban population. \n3. There is need for a comprehensive health insurance coverage for poor and rural population to mitigate \nthe adverse impact of meeting hospitalization costs.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».