Assessing the burden of medical impoverishment by cause: a systematic breakdown by disease in Ethiopia
Notice bibliographique
Résumé
BACKGROUND: Out-of-pocket (OOP) medical expenses often lead to catastrophic expenditure and impoverishment in low- and middle-income countries. Yet, there has been no systematic examination of which specific diseases and conditions (e.g., tuberculosis, cardiovascular disease) drive medical impoverishment, defined as OOP direct medical costs pushing households into poverty. METHODS: We used a cost and epidemiological model to propose an assessment of the burden of medical impoverishment in Ethiopia, i.e., the number of households crossing a poverty line due to excessive OOP direct medical expenses. We utilized disease-specific mortality estimates from the Global Burden of Disease study, epidemiological and cost inputs from surveys, and secondary data from the literature to produce a count of poverty cases due to OOP direct medical costs per specific condition. RESULTS: In Ethiopia, in 2013, and among 20 leading causes of mortality, we estimated the burden of impoverishment due to OOP direct medical costs to be of about 350,000 poverty cases. The top three causes of medical impoverishment were diarrhea, lower respiratory infections, and road injury, accounting for 75 % of all poverty cases. CONCLUSIONS: We present a preliminary attempt for the estimation of the burden of medical impoverishment by cause for high mortality conditions. In Ethiopia, medical impoverishment was notably associated with illness occurrence and health services utilization. Although currently used estimates are sensitive to health services utilization, a systematic breakdown of impoverishment due to OOP direct medical costs by cause can provide important information for the promotion of financial risk protection and equity, and subsequent design of health policies toward universal health coverage, reduction of direct OOP payments, and poverty alleviation.
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 | 0,001 | 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 | 0,000 | 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 ».