Low coverage but few inclusion errors in Burkina Faso: a community-based targeting approach to exempt the indigent from user fees
Notice bibliographique
Résumé
BACKGROUND: User fees were generalized in Burkina Faso in the 1990s. At the time of their implementation, it was envisioned that measures would be instituted to exempt the poor from paying these fees. However, in practice, the identification of indigents is ineffective, and so they do not have access to care. Thus, a community-based process for selecting indigents for user fees exemption was tested in a district. In each of the 124 villages in the catchment areas of ten health centres, village committees proposed lists of indigents that were then validated by the health centres' management committees. The objective of this study is to evaluate the effectiveness of this community-based selection. METHODS: An indigent-selection process is judged effective if it minimizes inclusion biases and exclusion biases. The study compares the levels of poverty and of vulnerability of indigents selected by the management committees (n = 184) with: 1) indigents selected in the villages but not retained by these committees (n = 48); ii) indigents selected by the health centre nurses (n = 82); and iii) a sample of the rural population (n = 5,900). RESULTS: The households in which the three groups of indigents lived appeared to be more vulnerable and poorer than the reference rural households. Indigents selected by the management committees and the nurses were very comparable in terms of levels of vulnerability, but the former were more vulnerable socially. The majority of indigents proposed by the village committees who lived in extremely poor households were retained by the management committees. Only 0.36% of the population living below the poverty threshold and less than 1% of the extremely poor population were selected. CONCLUSIONS: The community-based process minimized inclusion biases, as the people selected were poorer and more vulnerable than the rest of the population. However, there were significant exclusion biases; the selection was very restrictive because the exemption had to be endogenously funded.
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 | 0,020 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».