The household economic burden of non-communicable diseases in 18 countries
Notice bibliographique
Résumé
Background: Non-communicable diseases (NCDs) are the leading cause of death globally. In 2014, the United Nations committed to reducing premature mortality from NCDs, including by reducing the burden of healthcare costs. Since 2014, the Prospective Urban and Rural Epidemiology (PURE) Study has been collecting health expenditure data from households with NCDs in 18 countries. Methods: Using data from the PURE Study, we estimated risk of catastrophic health spending and impoverishment among households with at least one person with NCDs (cardiovascular disease, diabetes, kidney disease, cancer and respiratory diseases; n=17 435), with hypertension only (a leading risk factor for NCDs; n=11 831) or with neither (n=22 654) by country income group: high-income countries (Canada and Sweden), upper middle income countries (UMICs: Brazil, Chile, Malaysia, Poland, South Africa and Turkey), lower middle income countries (LMICs: the Philippines, Colombia, India, Iran and the Occupied Palestinian Territory) and low-income countries (LICs: Bangladesh, Pakistan, Zimbabwe and Tanzania) and China. Results: The prevalence of catastrophic spending and impoverishment is highest among households with NCDs in LMICs and China. After adjusting for covariates that might drive health expenditure, the absolute risk of catastrophic spending is higher in households with NCDs compared with no NCDs in LMICs (risk difference=1.71%; 95% CI 0.75 to 2.67), UMICs (0.82%; 95% CI 0.37 to 1.27) and China (7.52%; 95% CI 5.88 to 9.16). A similar pattern is observed in UMICs and China for impoverishment. A high proportion of those with NCDs in LICs, especially women (38.7% compared with 12.6% in men), reported not taking medication due to costs. Conclusions: Our findings show that financial protection from healthcare costs for people with NCDs is inadequate, particularly in LMICs and China. While the burden of NCD care may appear greatest in LMICs and China, the burden in LICs may be masked by care foregone due to costs. The high proportion of women reporting foregone care due to cost may in part explain gender inequality in treatment of NCDs.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».