Decentralization and Health Resource Allocation: A Case Study at the District Level in Indonesia
Notice bibliographique
Résumé
Health resource allocation has been an issue of political debate in many health systems. However, the debate has tended to concentrate on vertical allocation from the national to regional level. Allocation within regions or institutions has been largely ignored. This study was conducted to contribute analysis to this gap. The objective was to investigate health resource allocation within District Health Offices (DHOs) and to compare the trends and patterns of several budget categories before and after decentralization. The study was conducted in three districts in the Province of Nanggroe Aceh Darussalam. Six fiscal year budgets, two before decentralization and four after, were studied. Data was collected from the Local Government Planning Office and DHOs. Results indicated that in the first year of implementing a decentralization policy, the local government budget rose sharply, particularly in the wealthiest district. In contrast, in relatively poor districts the budget was only boosted slightly. Increasing total local government budgets had a positive impact on increasing the health budget. The absolute amount of health budgets increased significantly, but by percentage did not change very much. Budgets for several projects and budget items increased significantly, but others, such as health promotion, monitoring and evaluation, and public-goods-related activities, decreased. This study concluded that decentralization in Indonesia had made a positive impact on district government fiscal capacity and had affected DHO budgets positively. However, an imbalanced budget allocation between projects and budget items was obvious, and this needs serious attention from policy makers. Otherwise, decentralization will not significantly improve the health system in Indonesia.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».