MétaCan
Menu
Retour à la cohorte
Enregistrement W2883096394 · doi:10.1186/s12913-018-3369-2

Understanding reasons for unmet health care needs in Korea: what are health policy implications?

2018· article· en· W2883096394 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueBMC Health Services Research · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoWonkwang University
Mots-clésMedicineSocioeconomic statusNursing researchHealth careHealth administrationPublic healthEnvironmental healthHealth informaticsHealth policyNeeds assessmentOddsHealth services researchPopulationLogistic regressionNational Health and Nutrition Examination SurveyGerontologyNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: To ensure equal access to necessary care regardless of an individual's socioeconomic status, it is crucial to understand the factors that act as barriers. Unmet health care needs can arise for a variety of complex reasons, including personal choice, financial barriers, or lack of services, and each of these reasons requires a different policy approach. Researchers have advocated for a more granular measure of unmet health care need for better policy implication. This study aimed to assess various factors associated with different types of unmet health care needs in Korea. METHODS: The Korean National Health and Nutrition Examination Survey (KNHANES) 2010-2012 was used to analyze responses from 17,610 individuals over age 19. To measure the unmet needs of this population, self-reported experience in the past 1 year was used, and individual's reasons for unmet need were sorted into three distinct categories - availability, acceptability, accessibility. Four different logistic regression models stratified by gender were used to examine the relationship between socioeconomic factors and unmet needs. RESULTS: While income was not a significant factor for men, women with lower incomes showed a higher likelihood of experiencing unmet need. In addition, women with lower incomes showed higher odds of having acceptability-related unmet needs during the past 1 year compared to men. Education and income levels were associated with accessibility-related unmet needs for both women and men. CONCLUSION: As unmet health care needs are considered to be a critical indicator of a country's health care system, it is crucial to identify and eliminate any obstacles that prevent access to health care services. Under the current universal health care system in Korea, women, particularly those of lower income and lower educational levels, have limited access to necessary health care services. A gender-specific health care plan is recommended to reduce the higher rate of unmet needs experienced by this group. To reduce accessibility-related unmet needs, increasing available services for younger age groups, reflecting their needs of health services, needs to be considered.

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.

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)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,000
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 Opus0,288
Tête enseignante GPT0,456
Écart entre enseignants0,168 · 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