Out-of-pocket expenditure and drug adherence of patients with diabetes in Odisha
Notice bibliographique
Résumé
INTRODUCTION: The burden of diabetes mellitus (DM) is increasing in India and across states. Given the chronic and progressive nature of the disease, it implicates huge financial burden on patients. Given this, the objectives of this study are to estimate the out-of-pocket (OOP) expenditure on diabetes care and assess the magnitude of medication adherence among patients in a public hospital. MATERIALS AND METHODS: A cross-sectional survey was conducted among 206 patients with age ≥25 years visiting the outpatient department of a tertiary care hospital in Odisha. Cost data were collected from April to June 2016 using a structured questionnaire, and drug adherence was assessed using the Morisky Medication Adherence Scale. RESULTS: The average total expenditure per patient per month was INR 1265 (95% confidence interval 1178-1351), of which medical expenditure was INR 993 (95 confidence interval 912-1075) and that of nonmedical expenditure was INR 271 (95 confidence interval 251-292). Expenditure on medicine constituted around 65% of total medical expenditure. The other drivers of medical expenditure were diagnostics services constituting 13.2% and transportation (11.8%). Overall, only 15% of the patients reported high adherence to medication. DISCUSSION: This study generated evidence on OOP expenditure on diabetics in Odisha which are comparable to many Indian studies. One of the critical findings of this study was that a majority of patients visiting public hospitals had to spend OOP on medicine and diagnostic services. These findings could be used to design appropriate financing strategies to protect the interest of the poor who largely use public health facility in Odisha.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».