Removing user fees for facility-based delivery services: a difference-in-differences evaluation from ten sub-Saharan African countries
Notice bibliographique
Résumé
BACKGROUND: Several countries in sub-Saharan Africa have recently adopted policies that remove user fees for facility-based delivery services. There is little rigorous evidence of the impact of these policies on utilization of delivery services and no evaluations have examined effects on neonatal mortality rates (NMR). In this article, we estimate the causal effect of removing user fees on the proportion of births delivered in facilities, the proportion of births delivered by Caesarean section, and NMR. METHODS: We used data from Demographic and Health Surveys conducted in 10 African countries between 1997 and 2012. Kenya, Ghana and Senegal adopted policies removing user fees for facility-based deliveries between 2003 and 2007, while seven other countries not changing user fee policies were used as controls. We used a difference-in-differences (DD) regression approach to control for secular trends in the outcomes that are common across countries and for time invariant differences between countries. RESULTS: According to covariate-adjusted DD models, the policy change was consistent with an increase of 3.1 facility-based deliveries per 100 live births (95% confidence interval (CI): 0.9, 5.2) and an estimated reduction of 2.9 neonatal deaths per 1000 births (95% CI: -6.8, 1.0). In relative terms, this corresponds to a 5% increase in facility deliveries and a 9% reduction in NMR. There was no evidence of an increase in Caesarean deliveries. We examined lead and lag-time effects, finding evidence that facility deliveries continued to increase following fee removal. CONCLUSIONS: Our findings suggest removing user fees increased facility-based deliveries and possibly contributed to a reduction in NMR. Evidence from this evaluation may be useful to governments weighing the potential benefits of removing user fees.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 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 ».