EFFECT OF FISCAL DECENTRALIZATION ON HEALTH OUTCOMES IN KENYA
Notice bibliographique
Résumé
Health system in Kenya was devolved in March 2013 whereby the national government retained oversight and regulatory functions while county government were assigned curative, preventive, and promotive heath service within their jurisdiction. Countries such as USA, Australia, Canada, India and Nigeria have had mixed health outcomes after devolution while others have had to reverse devolution of healthcare governance. Following decentralization of healthcare governance in Kenya, investment into healthcare has risen significantly. However, the actual impact on key health outcomes in Kenya is yet to be determined objectively. The research aimed to evaluate the effect of fiscal decentralization on health outcomes in Kenya. An analytical design was adopted. Secondary data was obtained from annual economic survey reports and Statistics. Abstract obtained from Kenya National Bureau of Statistics was used to obtain data that was analysed to identify trends in health outcomes before and after decentralization of healthcare governance. Descriptive statistics was used to describe the trends. Data was presented in form of line graphs, histograms and tables. Results indicated that fiscal decentralization has negative and significant effect on immunization coverage and skilled delivery. Further political, civil service and fiscal decentralization was recommended. Key Words: Fiscal Decentralization, Health Outcomes CITATION: Mbogori, M. M., & Iravo, M. A. (2019). Effect of fiscal decentralization on health outcomes in Kenya. The Strategic Journal of Business & Change Management, 6 (2), 1953 –1963.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».