Medical Tourism: A Cost or Benefit to the NHS?
Notice bibliographique
Résumé
'Medical Tourism' - the phenomenon of people travelling abroad to access medical treatment - has received increasing attention in academic and popular media. This paper reports findings from a study examining effect of inbound and outbound medical tourism on the UK NHS, by estimating volume of medical tourism and associated costs and benefits. A mixed methods study it includes analysis of the UK International Passenger Survey (IPS); interviews with 77 returning UK medical tourists, 63 policymakers, NHS managers and medical tourism industry actors policymakers, and a review of published literature. These informed costing of three types of treatments for which patients commonly travel abroad: fertility treatment, cosmetic and bariatric surgery. Costing of inbound tourism relied on data obtained through 28 Freedom-of-Information requests to NHS Foundation Trusts. Findings demonstrate that contrary to some popular media reports, far from being a net importer of patients, the UK is now a clear net exporter of medical travellers. In 2010, an estimated 63,000 UK residents travelled for treatment, while around 52,000 patients sought treatment in the UK. Inbound medical tourists treated as private patients within NHS facilities may be especially profitable when compared to UK private patients, yielding close to a quarter of revenue from only 7% of volume in the data examined. Costs arise where patients travel abroad and return with complications. Analysis also indicates possible savings especially in future health care and social costs averted. These are likely to be specific to procedures and conditions treated. UK medical tourism is a growing phenomenon that presents risks and opportunities to the NHS. To fully understand its implications and guide policy on issues such as NHS global activities and patient safety will require investment in further research and monitoring. Results point to likely impact of medical tourism in other universal public 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.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».