Factors Associated to the Enrollment in Health Insurance: An Experience from Selected Districts of Nepal
Notice bibliographique
Résumé
The enrollment in Health Insurance (HI) is considered as a sustainable way of financing for health and preparedness for catastrophic health care cost during receiving health services. Various socio-demographic factors are still unanswered regarding their influence. A study aiming to assess the factors associated with the enrollment of HI was conducted in 2018 in two districts of Nepal namely Kailali and Baglung. The study was cross-sectional covering 810 (405 enrolled and 405 not-enrolled) randomly selected households (HH). Socio-demographic variables were considered as independent variables and enrollment in HI as dependent variable. An interview schedule was used as a tool for data collection. Univariate, bivariate and multivariate analyses were performed to analyze the data. The data show that various socio-demographic characteristics are associated with the enrollment of HI. A significant statistical difference is seen between enrollment to HI and HH headship, age group of respondents, ability to feed the family, presence of chronic diseases in family, knowledge on HI, willingness to pay (WTP) for HI, having HI guidelines or books, participation in HI related training, interactions with neighbours, access to communication media: the radio/FM and TV, hoarding boards (HB), newspapers, posters/pamphlets/brochures; and access to health facilities. The results further show that female heads appear more likely to enroll (aOR = 1.47) in HI than the male. HH headship of the respondents also seem more likely to enroll. Higher age respondents are less likely to enroll. Interestingly, literate respondents and joint families are less likely to enroll than illiterate and nuclear families respectively. However, respondents having knowledge in HI seem more likely to enroll (aOR = 28.97, p1.673, p
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».