MétaCan
Menu
Retour à la cohorte
Enregistrement W2153025271 · doi:10.1002/hec.1633

Ghana's national health insurance scheme in the context of the health MDGs: an empirical evaluation using propensity score matching

2010· article· en· W2153025271 sur OpenAlexaff
Joseph Mensah, Joseph R. Oppong, Christoph Μ. Schmidt

Notice bibliographique

RevueHealth Economics · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensYork University
Organismes subventionnairesGlobal Development NetworkBill and Melinda Gates Foundation
Mots-clésPropensity score matchingContext (archaeology)MedicineGovernment (linguistics)Health careNational Health Interview SurveyMillennium Development GoalsNational health insuranceActuarial scienceEconomic growthEnvironmental healthBusinessDeveloping countryEconomicsGeographyPopulationSurgery

Résumé

récupéré en direct d'OpenAlex

In 2003 the Government of Ghana established a National Health Insurance Scheme (NHIS) to improve health-care access for Ghanaians and eventually replace the cash-and-carry system. This study evaluates an important aspect of its promise in the context of the Millennium Development Goals #4 and #5 which deal with the health of women and children. We use Propensity Score Matching techniques to balance the relevant background characteristics in our survey data and compare health indicators of recent mothers who are enrolled in the NHIS with those who are not. Our findings suggest that NHIS women are more likely to receive prenatal care, deliver at a hospital, have their deliveries attended by trained health professionals, and experience less birth complications. We conclude that NHIS is an effective tool for improving health outcomes among those who are covered, which should encourage the Ghanaian government to promote further enrollment, in particular among the poor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,073
score de la tête « metaresearch » (Gemma)0,149
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,073
Score d'incertitude au seuil0,384

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0730,149
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,267
Tête enseignante GPT0,381
Écart entre enseignants0,114 · 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 source (Gemma direct ou Codex distillé), 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

Citations234
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealthcare Systems and ReformsTravaux en français237 207