ANALISIS KEBIJAKAN SURAT PERNYATAAN MISKIN PADAPROGRAM JAMINAN KESEHATAN DAERAHDI KABUPATEN JEMBER
Notice bibliographique
Résumé
Background: Utilization of funds Regional Health Insurance Program (Jamkesda) in the first quarter of 2012 reached 57% of the total budget provided for a year, where most of the people who need health care use Poor Statement Letter (SPM). Utilization of SPM in first quarter of 2012 has increased higher than the previous year, it is this which encourages researchers to do research. Objective: This study aimed to identify the cause of the increased use of SPM in the Regional Health Insurance Program in Jember by conducting policy analysis Poor Statement Letter (SPM) on the Regional Health Insurance Program (Jamkesda) in Jember District. Methods: The study was a descriptive research design of a case study involving two data sources, primary and secondary data. The primary data obtained through interviews with respondents and secondary data obtained through from report of the Regional Health Insurance Program in Jember District. Results: There were several causes of the high use of SPM in Jamkesda Program in Jember during the year 2012 one of them is because there are many people who are below the poverty line are not covered Jamkesmas and not have a Jamkesda card, this is due to poor data collection system is not running better. The results also showed that the accuracy of the SPM user in Jember is 91%. Conclusion: There are many issues associated with the Jamkesda card be one cause of the high use of SPM in Jamkesda Program in Jember during the year 2012. Utilization of SPM in Jember really actually used by the poor so right on target.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,011 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».