Determinants of health insurance ownership among women in Kenya: evidence from the 2008–09 Kenya demographic and health survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The Government of Kenya is making plans to implement a social health insurance program by transforming the National Hospital Insurance Fund (NHIF) into a universal health coverage program. The objective of this study was to examine the determinants associated with health insurance ownership among women in Kenya. METHODS: Data came from the 2008-09 Kenya Demographic and Health Survey, a nationally representative survey. The sample comprised 8,435 women aged 15-49 years. Descriptive statistics and multivariable logistic regression analysis were used to describe the characteristics of the sample and to identify factors associated with health insurance ownership. RESULTS: Being employed in the formal sector, being married, exposure to the mass media, having secondary education or higher, residing in households in the middle or rich wealth index categories and residing in a female-headed household were associated with having health insurance. However, region of residence was associated with a lower likelihood of having insurance coverage. Women residing in Central (OR = 0.4; p < 0.01) and North Eastern (OR = 0.1; p < 0.5) provinces were less likely to be insured compared to their counterparts in Nairobi province. CONCLUSIONS: As the Kenyan government transforms the NHIF into a universal health program, it is important to implement a program that will increase equity and access to health care services among the poor and vulnerable groups.
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.
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 | 0,029 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle