The impact of community-based health insurance on the utilization of medically trained healthcare providers among informal workers in Bangladesh
Notice bibliographique
Résumé
We aimed to estimate the impact of a Community-Based Health Insurance (CBHI) scheme on utilization of healthcare from medically trained providers (MTP) by informal workers. A quasi-experimental study was conducted where insured households were included in the intervention group and uninsured households in comparison group. In total 1,292 (646 insured and 646 uninsured) households were surveyed from Chandpur district comprising urban and rural areas after 1 year period of CBHI introduction. Matching of the characteristics of insured and uninsured groups was performed using a propensity score matching approach to minimize the observed baseline differences among the groups. Multilevel logistic regression model, with adjustment for individual and household characteristics was used for estimating association between healthcare utilization from the MTP and insurance enrolment. The utilization of healthcare from MTP was significantly higher in the insured group (50.7%) compared to the uninsured group (39.4%). The regression analysis demonstrated that the CBHI beneficiaries were 2.111 (95% CI: 1.458-3.079) times more likely to utilize healthcare from MTP.CBHI scheme increases the utilization of MTP among informal workers. Ensuring such healthcare for these workers and their dependents is a challenge in many low and middle income countries. The implementation and scale-up of CBHI schemes have the potential to address this challenge of universal health coverage.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».