MétaCan
Menu
Retour à la cohorte
Enregistrement W2757153932 · doi:10.1016/j.jhealeco.2018.12.001

Cash on delivery: Results of a randomized experiment to promote maternal health care in Kenya

2019· article· en· W2757153932 sur OpenAlexaff
Karen A. Grépin, James Habyarimana, William Jack

Notice bibliographique

RevueJournal of Health Economics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésVoucherRandomized experimentCash transfersCopaymentCashConditional cash transferPsychological interventionBusinessRandomized controlled trialHealth careMedicineFinanceEconomicsNursingPovertyEconomic growthHealth insurance

Résumé

récupéré en direct d'OpenAlex

• Full vouchers and conditional cash transfers were highly effective at increasing institutional deliveries among poor, rural women in Kenya. • Co-payments reduced the effectiveness of vouchers and unconditional transport subsidies were not effective. • A free care policy instituted by the government also demonstrated no effect on institutional deliveries. • SMS text reminders did not have any effect on institutional deliveries. We conducted a randomized controlled experiment to test whether vouchers, cash transfers, and SMS messages were effective in boosting facility delivery rates among poor, pregnant women in rural Kenya. We find a strong effect of the full vouchers and the conditional cash transfers: 48% of women with access to both interventions delivered in a health facility, while only 36% of those with neither did. Amongst women who did not receive a cash transfer, we find that a small copayment dramatically reduced voucher effectiveness, suggesting a discontinuous impact of cost-sharing on the demand for health services. Both the unconditional cash transfer and the text messages had limited effect on the use of health services. Finally, we also find no evidence that a government policy to eliminate user fees increased demand for maternal health services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,511

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,304
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health EconomicsMême sujetGlobal Maternal and Child HealthTravaux en français237 207