Learning from health system reforms: lessons from Burkina Faso
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Burkina Faso has implemented a macroeconomic adjustment programme (MAP) along with an ambitious reform of the health care system. Our aim was (1) to verify whether MAPs led to a reduction in health resources, and (2) to analyze the consequences of health policies implemented. METHOD: Cross-sectional and retrospective study, spanning the years 1983-2003. The macro aspect is based upon documents from national and international sources, a database of secondary socioeconomic data, and interviews of key informants working in upper management. Household and health facility surveys were conducted in three regions covering 53 communities. RESULTS: Within the reforms, the health sector benefited from an important flow of resources. There were significant increases in public expenditures, health care staff, the number of primary care facilities and the availability of generic drugs. However, health facilities in the public sector remain underused and major inequities subsist. Access to health care is constrained by the population's ability to pay. Health expenditures impoverish households, creating new poor and impoverishing the already poor. CONCLUSIONS: The success of reforms depends largely on the extent to which they remove financial barriers to access to services. The experience of Burkina Faso also reveals the need for fundamental changes that will motivate staff, improve productivity, and ensure good quality services. Integrating health development policies with strategic plans for poverty reduction can provide new opportunities for African countries to redesign their health systems within this type of perspective.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle