Main Determinants of Catastrophic Health Expenditures: A Bayesian Logit Approach on Iranian Household Survey Data (2010)
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
BACKGROUND: During recent decades, increase in both health care expenditures and improvement of the awareness as well as health expectations have created some problems with regard to finance healthcare expenditures so that the issue of health financing by households has been determined as a major challenge in health sector. According to the definition by the World Health Organization, catastrophic health expenditure is considered if financial contribution for health service is more than 40% of income remaining after subsistence needs have been met. OBJECTIVES: The purpose of our study was determination of Main factors on catastrophic health expenditures in Iranian households. PATIENTS & METHODS: In this study, using an econometrics Bayesian logit model, determinants of the appearance of catastrophic health expenditure based on household budget data collected in 2010 were evaluated. RESULTS: Among Iranian households, the following groups were more likely to encounter with unsustainable health expenditures: rural households, households with the numbers of the elderly more than 65 years, illiterate householders, unemployed householders, households with some unemployed persons, households in upper rank and households with larger equivalent household size were higher than the average of community could significantly predict catastrophic health expenditures. CONCLUSIONS: About 2.1% of households were faced with catastrophic health expenditures in 2010. Thus, the implemented policies could not make considerable and significant change in improving justice in financing in health systems.
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 | 0,020 | 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 | 0,001 |
| Science ouverte | 0,002 | 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 découle