Inequality in the health services utilization in rural and urban china
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Inequality in health and health care remains a rather challenging issue in China, existing both in rural and urban area, and between rural and urban. This study used nationally representative data to assess inequality in both rural and urban China separately and to identify socioeconomic factors that may contribute to this inequality. METHODS: This study used 2008 National Health Services Survey data. Demographic characteristics, income, health status, medical service utilization, and medical expenses were collected. Horizontal inequality analysis was performed using nonlinear regression method. RESULTS: Positive inequity in outpatient services and inpatient service was evident in both rural and urban area of China. Greater inequity of outpatient service use in urban than that in rural areas was evident (horizontal inequity index [HI] = 0.085 vs 0.029). In contrast, rural areas had greater inequity of inpatient service use compared to urban areas (HI = 0.21 vs 0.16). The decomposition analysis found that the household income made the greatest pro-rich contribution in both rural and urban China. However, chronic diseases and aging were also important contributors to the inequality in rural area. CONCLUSION: The inequality in health service in both rural and urban China was mainly attributed to the household income. In addition, chronic disease and aging were associated with inequality in rural population. Those findings provide evidences for policymaker to develop a sustainable social welfare system in China.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 découle