MétaCan
Menu
Retour à la cohorte
Enregistrement W2791768808 · doi:10.1186/s12955-018-0868-0

Comparing the effects of China’s three basic health insurance schemes on the equity of health-related quality of life: using the method of coarsened exact matching

2018· article· en· W2791768808 sur OpenAlexaff
Min Su, Zhongliang Zhou, Yafei Si, Xiaolin Wei, Yongjian Xu, Xiaojing Fan, Gang Chen

Notice bibliographique

RevueHealth and Quality of Life Outcomes · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesSocial Science Foundation of Shaanxi Province
Mots-clésEquity (law)PoolingActuarial scienceInequalityHealth equityMatching (statistics)Environmental healthMedicinePublic economicsBusinessEconomicsPublic healthPolitical scienceNursingMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: China has three basic health insurance schemes: Urban Employee Basic Medical Insurance (UEBMI), Urban Resident Basic Medical Insurance (URBMI) and New Rural Cooperative Medical Scheme (NRCMS). This study aimed to compare the equity of health-related quality of life (HRQoL) of residents under any two of the schemes. METHODS: Using data from the 5th National Health Services Survey of Shaanxi Province, China, coarsened exact matching method was employed to control confounding factors. We included a matched sample of 6802 respondents between UEBMI and URBMI, 34,169 respondents between UEBMI and NRCMS, and 36,928 respondents between URBMI and NRCMS. HRQoL was measured by EQ-5D-3L based on the Chinese-specific value set. Concentration index was adopted to assess health inequality and was decomposed into its contributing factors to explain health inequality. RESULTS: After matching, the horizontal inequity indexes were 0.0036 and 0.0045 in UEBMI and URBMI, 0.0035 and 0.0058 in UEBMI and NRCMS, and 0.0053 and 0.0052 in URBMI and NRCMS respectively, which were mainly explained by age, educational and economic statuses. The findings demonstrated the pro-rich health inequity was much higher for the rural scheme than that for the urban ones. CONCLUSION: This study highlights the need to consolidate all three schemes by administrating uniformly, merging funds pooling and benefit packages. Based on the contributing factors, strategies aim to facilitate health conditions of the elderly, narrow economic gap, and reduce educational inequity, are essential. This study will provide evidence-based strategies on consolidating the fragmented health schemes towards reducing health inequity in both China and other developing countries.

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)0,013
score de la tête « metaresearch » (Gemma)0,025
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 enseignants0,019
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
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 Opus0,278
Tête enseignante GPT0,421
Écart entre enseignants0,143 · 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

Citations101
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth and Quality of Life OutcomesMême sujetHealthcare Systems and ReformsTravaux en français237 207