Measuring and decomposing socioeconomic inequality in catastrophic healthcare expenditures in Iran
Notice bibliographique
Résumé
OBJECTIVES: Equity in financial protection against healthcare expenditures is one the primary functions of health systems worldwide. This study aimed to quantify socioeconomic inequality in facing catastrophic healthcare expenditures (CHE) and to identify the main factors contributing to socioeconomic inequality in CHE in Iran. METHODS: A total of 37 860 households were drawn from the Households Income and Expenditure Survey, conducted by the Statistical Center of Iran in 2017. The prevalence of CHE was measured using a cut-off of spending at least 40% of the capacity to pay on healthcare services. The concentration curve and concentration index (C) were used to illustrate and measure the extent of socioeconomic inequality in CHE among Iranian households. The C was decomposed to identify the main factors explaining the observed socioeconomic inequality in CHE in Iran. RESULTS: The prevalence of CHE among Iranian households in 2017 was 5.26% (95% confidence interval [CI], 5.04 to 5.49). The value of C was -0.17 (95% CI, -0.19 to -0.13), suggesting that CHE was mainly concentrated among socioeconomically disadvantaged households in Iran. The decomposition analysis highlighted the household wealth index as explaining 71.7% of the concentration of CHE among the poor in Iran. CONCLUSIONS: This study revealed that CHE is disproportionately concentrated among poor households in Iran. Health policies to reduce socioeconomic inequality in facing CHE in Iran should focus on socioeconomically disadvantaged households.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».