MétaCan
Menu
Retour à la cohorte
Enregistrement W2773930251 · doi:10.5539/gjhs.v10n1p147

Health Financing Functions in Community Based Health Insurance Schemes and Health Equity in Kenya

2017· article· en· W2773930251 sur OpenAlexvenueno aff
Jane Wangui Gitahi, Timothy Chrispinus Okech

Notice bibliographique

RevueGlobal Journal of Health Science · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessHealth careEquity (law)Descriptive statisticsPurchasingGovernment (linguistics)Health equityFinanceActuarial sciencePublic economicsEconomicsEconomic growthMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to establish how the healthcare financing functions are modeled within CBHIs and how they have impacted on realization of health equity with government stewardship being treated as the moderating factor. The study adopted descriptive and explanatory research designs to collect data from four members each management team of all registered CBHIs in Kenya. Descriptive statistics, factor analysis, path analysis and multivariate regression analysis in terms of structural modeling equation (SEM) were conducted to determine the hypothesized relationships between the health financing functions and their impact on health equity in Kenya. The study shows that enrolment and strategic purchasing in CBHIs accounted for variation in health equity in terms of increasing access to quality healthcare services. With the introduction of government stewardship as the moderating factor, the variation of health equity accounted for by enrolment and strategic purchasing increased. It was therefore inferred that the government should define the place of CBHIs within the context of the national health financing policy for realization of health equity by instituting the necessary legal and regulatory framework.

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)0,029
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
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 enseignants0,129
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0290,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,147
Tête enseignante GPT0,397
Écart entre enseignants0,250 · 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.

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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetHealthcare Systems and ReformsTravaux en français237 207