Hospitalization in Tajikistan: determinants of admission, length of stay, and out‐of‐pocket expenditures. Results of a national survey
Notice bibliographique
Résumé
OBJECTIVE: To assess factors explaining hospitalization in Tajikistan and discuss policy implications for reforms in hospital care. METHODS: This study involves a secondary analysis of micro-data collected from a nationally-representative household survey conducted in Tajikistan in 2003. Three empirical models are employed: binomial logit regression for the admission to the hospital; zero truncated negative binomial (ZTNB) regression for the length of hospital stay; and ordinary least square (OLS) for the amount of out-of-pocket expenditures for hospitalization. FINDINGS: Variation in hospital admission is due to the differences in ability to pay, long-standing illness, gender, age, and educational level. Factors explaining out-of-pocket expenditures include ability to pay, having long-standing illness, and having surgery and receiving intensive care. The most important out-of-pocket expenditures are payments for pharmaceuticals and supplies. Finally, long hospital stay that is the result of outdated treatment protocols, rigid financial and management system, lack of funding, and weakness of primary and long-tem care. As a result, long time in inpatient care is mostly used ineffectively. CONCLUSION: Strategies to address the existing deficiencies include voluntary community-based health insurance for rural areas, targeted subsidized care for the neediest, improvements in procurement of pharmaceuticals and supplies, and rationalization of hospital primary and long-term care.
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 | 0,004 | 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 ».