MétaCan
Menu
Retour à la cohorte
Enregistrement W1976946049 · doi:10.1017/s174413311400005x

The impact of health insurance on health services utilization and health outcomes in Vietnam

2014· article· en· W1976946049 sur OpenAlexaff
G. Emmanuel Guindon

Notice bibliographique

RevueHealth Economics Policy and Law · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésHealth policyBusinessHealth insuranceEnvironmental healthSelf-insuranceIncome protection insuranceHealth careEconomic growthActuarial scienceMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

In recent years, a number of low- and middle-income country governments have introduced health insurance schemes. Yet not a great deal is known about the impact of such policy shifts. Vietnam's recent health insurance experience including a health insurance scheme for the poor in 2003 and a compulsory scheme that provides health insurance to all children under six years of age combined with Vietnam's commitment to universal coverage calls for research that examines the impact of health insurance. Taking advantage of Vietnam's unique policy environment, data from the 2002, 2004 and 2006 waves of the Vietnam Household Living Standard Survey and single-difference and difference-in-differences approaches are used to assess whether access to health insurance--for the poor, for children and for students--impacts on health services utilization and health outcomes in Vietnam. For the poor and for students, results suggest health insurance increased the use of inpatient services but not of outpatient services or health outcomes. For young children, results suggest health insurance increased the use of outpatient services (including the use of preventive health services such as vaccination and check-up) but not of inpatient services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,294

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,356
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Economics Policy and LawMême sujetHealthcare Systems and ReformsTravaux en français237 207