MétaCan
Menu
Retour à la cohorte
Enregistrement W2170223075 · doi:10.1093/heapol/czp016

Determinants of health care demand in poor, rural China: the case of Gansu Province

2009· article· en· W2170223075 sur OpenAlexaff
Dongfu Qian, Raymond Pong, K. V. Nagarajan, Qinglin Meng

Notice bibliographique

RevueHealth Policy and Planning · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésChinaMultinomial logistic regressionHealth careBusinessIncome elasticity of demandRural areaPublic healthSocioeconomicsEnvironmental healthEconomic growthPublic economicsEconomicsMedicineGeographyNursingLabour economics

Résumé

récupéré en direct d'OpenAlex

This paper examines the determinants that influence health care demand decisions in rural areas of Gansu province, China. This represents the first effort to identify and quantify the effect of price of care on choice of provider in China, and is the first quantitative examination of this topic focusing on poor rural areas in China. In the three-tier health care system in rural China, we further distinguish the public village clinics and private village clinics using a mixed multinomial logit model. The results show that price and distance play significant roles in choice of health care provider. The price elasticity of demand for outpatients is higher for low-income groups than for high-income groups. When outpatients have particular concerns about provider quality or reputation, or when their health status is poor, distance tends to matter less, i.e. they are willing to travel further in order to obtain better treatment for their illness. Insurance status has a significant impact on the choice of public village clinics relative to self-treatment. Furthermore, age and the attributes of illness are also statistically significant factors. We discuss the policy implications of the results for meeting the health care needs of the poor in rural China.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,480
Score d'incertitude au seuil0,955

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,074
Tête enseignante GPT0,321
Écart entre enseignants0,247 · 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

Citations116
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Policy and PlanningMême sujetEconomic and Environmental ValuationTravaux en français237 207