The impact of public health insurance on health care utilisation, financial protection and health status in low- and middle-income countries: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Expanding public health insurance seeks to attain several desirable objectives, including increasing access to healthcare services, reducing the risk of catastrophic healthcare expenditures, and improving health outcomes. The extent to which these objectives are met in a real-world policy context remains an empirical question of increasing research and policy interest in recent years. METHODS: We reviewed systematically empirical studies published from July 2010 to September 2016 using Medline, Embase, Econlit, CINAHL Plus via EBSCO, and Web of Science and grey literature databases. No language restrictions were applied. Our focus was on both randomised and observational studies, particularly those including explicitly attempts to tackle selection bias in estimating the treatment effect of health insurance. The main outcomes are: (1) utilisation of health services, (2) financial protection for the target population, and (3) changes in health status. FINDINGS: 8755 abstracts and 118 full-text articles were assessed. Sixty-eight studies met the inclusion criteria including six randomised studies, reflecting a substantial increase in the quantity and quality of research output compared to the time period before 2010. Overall, health insurance schemes in low- and middle-income countries (LMICs) have been found to improve access to health care as measured by increased utilisation of health care facilities (32 out of 40 studies). There also appeared to be a favourable effect on financial protection (26 out of 46 studies), although several studies indicated otherwise. There is moderate evidence that health insurance schemes improve the health of the insured (9 out of 12 studies). INTERPRETATION: Increased health insurance coverage generally appears to increase access to health care facilities, improve financial protection and improve health status, although findings are not totally consistent. Understanding the drivers of differences in the outcomes of insurance reforms is critical to inform future implementations of publicly funded health insurance to achieve the broader goal of universal health coverage.
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 | 0,011 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».