Government roles in regulating medical tourism: evidence from Guatemala
Notice bibliographique
Résumé
BACKGROUND: Regulation of the medical tourism and public health sectors overlap in many instances, raising questions of how patient safety, economic growth, and health equity can be protected. The case of Guatemala is used to explore how the regulatory challenges posed by medical tourism should be dealt with in countries seeking to grow this sector. METHODS: We conducted a qualitative case study of the medical tourism sector in Guatemala, through reviews and analyses of policy documents and media reports, key informant interviews (n = 50), and facility site-visits. RESULTS: Key informants were critical of the absence of effective public regulation of the emerging medical tourism sector, noting several regulatory gaps and the importance of filling them. These informants specifically expressed that: 1) The government should regulate medical tourism in Guatemala, thought there was disagreement as to which government sector should do so and how; 2) The government has not at this time regulated the medical tourism sector nor shown great interest in doing so; and 3) International accreditation could be used to augment domestic regulation. CONCLUSIONS: The intersection of domestic and international regulation of medical tourism has been largely unexplored. This case study advances new research in this area. It highlights the need for and dearth of regulatory protections in Guatemala and lessons for other, similarly situated countries. National regulatory models from Israel and Barbados could be adapted to the Guatemalan context. Global governance could help to protect national governments from any competitive disadvantages created by regulation. Underlying the concerns over growth in medical tourism, however, is how it contributes to the ongoing privatization of health care facilities worldwide. This trend risks undermining efforts to reach targets for Universal Health Coverage and exacerbating existing inequities in the global distribution of health and wealth.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».