Comparing public and private hospitals in China: Evidence from Guangdong
Notice bibliographique
Résumé
BACKGROUND: The literature comparing private not-for-profit, for-profit, and government providers mostly relies on empirical evidence from high-income and established market economies. Studies from developing and transitional economies remain scarce, especially regarding patient case-mix and quality of care in public and private hospitals, even though countries such as China have expanded a mixed-ownership approach to service delivery. The purpose of this study is to compare the operations and performance of public and private hospitals in Guangdong Province, China, focusing on differences in patient case-mix and quality of care. METHODS: We analyze survey data collected from 362 government-owned and private hospitals in Guangdong Province in 2005, combining mandatorily reported administrative data with a survey instrument designed for this study. We use univariate and multi-variate regression analyses to compare hospital characteristics and to identify factors associated with simple measures of structural quality and patient outcomes. RESULTS: Compared to private hospitals, government hospitals have a higher average value of total assets, more pieces of expensive medical equipment, more employees, and more physicians (controlling for hospital beds, urban location, insurance network, and university affiliation). Government and for-profit private hospitals do not statistically differ in total staffing, although for-profits have proportionally more support staff and fewer medical professionals. Mortality rates for non-government non-profit and for-profit hospitals do not statistically differ from those of government hospitals of similar size, accreditation level, and patient mix. CONCLUSIONS: In combination with other evidence on health service delivery in China, our results suggest that changes in ownership type alone are unlikely to dramatically improve or harm overall quality. System incentives need to be designed to reward desired hospital performance and protect vulnerable patients, regardless of hospital ownership type.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».