The effectiveness of financial intervention strategies for reducing caesarean section rates: a systematic review
Notice bibliographique
Résumé
BACKGROUND: The increasing trend of Caesarean section (CS) in childbirth has become a global public health challenge. Previous studies have proposed financial intervention strategies for reducing CS rates by limiting caesarean delivery on maternal request (CDMR). This study synthesizes such strategies while evaluating their effectiveness. METHODS: The sources of data for this study are Cochrane Library, PubMed, EMBASE, and CINAHL. The publication period included in this study is from January 1991 to November 2018. The financial intervention strategies are divide into two categories: healthcare provider interventions and patient interventions. Risk of Bias in Non-randomized Studies - of Interventions (ROBINS-I) was employed to assess the risk of bias of included studies. The outcome of each study was evaluated with Grades of Recommendation, Assessment, Development and Evaluation (GRADE) through the GRADEpro Guideline Development Tool software. RESULTS: Nine studies were included in this systematic review: five with high certainty evidence (HCE), three with moderate certainty evidence (MCE), and one with low certainty evidence (LCE). Of the nine studies, seven are centered on the effect of provider-side interventions. Three of the HCE studies found that the diagnosis-related group payment system, risk-adjusted capitation, and equalizing fee for both facilities and physicians were effective intervention strategies. One HCE and one MCE study showed that only equalizing facility fees between vaginal and CS deliveries in healthcare service settings had no significant effect on reducing the CS rate. The MCE study showed that case payment had a negative effect on reducing the CS rates. One LCE study revealed that the effect of a global budget system was uncertain, and one HCE and one MCE study focused on combining both provider and patient-side interventions. However, equalizing fees for vaginal and CS deliveries and a co-payment policy for CDMRs failed to reduce the CS rate. CONCLUSIONS: The effectiveness of risk-adjusted payment methods appears promising and should be the subject of further research. Financial interventions should consider stakeholders' characteristics, especially the personal interests of doctors. Finally, high-quality randomized control trials and comparative studies on different financial intervention methods are needed to confirm or refute previous studies' outcomes.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».