Matching comprehensive health insurance reimbursements to their real costs: the case of antenatal care visits in a region of Peru
Notice bibliographique
Résumé
BACKGROUND: Prepaid contributory systems are increasingly being recognized as key mechanisms in achieving universal health coverage in low and middle-income countries. Peru created the Seguro Integral de Salud (SIS) to increase health service use amongst the poor by removing financial barriers. The SIS transfers funds on a fee-for-service basis to the regional health offices to cover recurrent cost (excluding salaries) of pre-specified packages of interventions. We aim to estimate the full cost of antenatal care (ANC) provision in the Ventanilla District (Callao-Peru) and to compare the actual cost to the reimbursement rates provided by SIS. METHODS: The economic costs of ANC provision in 2011 in 8 of the 15 health centres in Ventanilla District were estimated from a provider perspective and the actual costs of those services covered by the SIS fee of $3.8 for each ANC visit were calculated. A combination of step-down and bottom-up costing methodologies was used. Sensitivity analysis was conducted to test the uncertainty around estimated parameters and model assumptions. Results are reported in 2011 US$. RESULTS: The total economic cost of ANC provision in all 8 health centres was $569,933 with an average cost per ANC visit of $31.3 (95 % CI $29.7-$33.5). Salaries comprised 74.4 % of the total cost. The average cost of the services covered by the SIS fee was $3.4 (95 % CI $3.0-$3.8) per ANC visit. Sensitivity analysis showed that the probability of the cost of an ANC visit being above the SIS reimbursed fee is 1.4 %. CONCLUSION: Our analysis suggests that the fee reimbursed by the SIS will cover the cost that it supposed to cover. However, there are significant threats to medium and longer term sustainability of this system as fee transfers represent a small fraction of the total cost of providing ANC. Increasing ANC coverage requires the other funding sources of the Regional Health Office (DIRESA) to adapt to increasing demand.
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 | 0,006 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».