MétaCan
Menu
Retour à la cohorte
Enregistrement W2130685941 · doi:10.12927/whp.2006.18038

Who Receives Healthcare? Age and Sex Differentials in Adult Use of Healthcare Services in Rural Bangladesh

2006· article· en· W2130685941 sur OpenAlexvenueno aff
J.T. Young, Jane Menken, Jill Williams, Nizam U. Khan, Randall Kuhn

Notice bibliographique

RevueWorld health & population · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careEmpowermentDeveloping countryLogistic regressionRural areaMedicineEconomic growthSocioeconomicsGerontologySociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Use of healthcare services may vary according to the cultural, social, economic and demographic situation of the person who may need care. In certain contexts, it particularly varies with age and sex of the potential user. Bangladesh is a less developed, primarily rural and predominantly Muslim traditional society with a pluralistic healthcare system. This paper endeavours to delineate the age, sex and other factors associated with obtaining healthcare in this pluralistic system. Using the Matlab Health and Socio-economic Survey, the paper uses logistic regression to ask whether factors commonly related to Western healthcare utilization in a theoretical framework useful in the study of Western research on healthcare services are also useful in the study of healthcare utilization in the developing world. Elderly women, never-married women and Hindus were less likely to visit any practitioner, which may indicate less health empowerment for these groups. Obtaining care is inversely related to household size and positively related to age (for men), education, poor health status and impaired mobility. Controlling for these factors, household wealth and ever-married status showed no significant effect on obtaining care. The differential in use of healthcare services can partially be ameliorated by changes in policy related to the elderly and women.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,735

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,307
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetGlobal Maternal and Child HealthTravaux en français237 207