Effect of a prospective payment method for health facilities on direct medical expenditures in a low-resource setting: a paired pre-post study
Notice bibliographique
Résumé
Almost all sub-Saharan countries have adopted cost-reduction policies to facilitate access to health care. However, several studies underline the reimbursement delays experienced by health facilities, which lead to deficient implementation of these policies. In April 2016, for its free care policy, Burkina Faso shifted from fee-for-service (FFS) paid retrospectively to FFS paid prospectively. This study tested the hypothesis that this new method of payment would be associated with an increase in direct medical expenditures (expenses covered by the policies) associated with deliveries. This paired pre-post study used data from two cross-sectional national surveys. Observations were paired according to the health facility and the type of delivery. We used a combined approach (state and household perspectives) to capture all direct medical expenses (delivery fees, drugs and supplies costs, paraclinical exam costs and hospitalization fees). A Wilcoxon signed-rank test was used to test the hypothesis that the 2016 distribution of direct medical expenditures was greater than that for 2014. A total of 279 pairs of normal deliveries, 66 dystocia deliveries and 48 caesareans were analysed. The direct medical expenditure medians were USD 4.97 [interquartile range (IQR): 4.30-6.02], 22.10 [IQR: 15.59-29.32] and 103.58 [IQR: 85.13-113.88] in 2014 vs USD 5.55 [IQR: 4.55-6.88], 23.90 [IQR: 17.55-48.81] and 141.54 [IQR: 104.10-172.02] in 2016 for normal, dystocia and caesarean deliveries, respectively. Except for dystocia (P = 0.128) and medical centres (P = 0.240), the 2016 direct medical expenditures were higher than the 2014 expenses, regardless of the type of delivery and level of care. The 2016 expenditures were higher than the 2014 expenditures, regardless of the components considered. In the context of cost-reduction policies in sub-Saharan countries, greater attention must be paid to the provider payment method and cost-control measures because these elements may generate an increase in medical expenditures, which threatens the sustainability of these policies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».