Crowdfunding for medical expenses in the United Kingdom
Notice bibliographique
Résumé
Abstract Background Medical crowdfunding is a rapidly growing phenomenon worldwide and a new means for patients to finance health related expenses. It raises many ethical concerns such as increasing inequities. In the UK, which operates a state-funded universal health care system, the phenomenon is unexpected and hasn't yet been studied. Our study aims at answering basic questions as who is using crowdfunding to fund health-related expenses, for what and why. Methods We have drawn the first 400 medical campaigns amongst 1,000 available on GoFundMe UK website. We used a content analysis method to extract data from narratives on age, sex, health condition and funds' purposes. Results Among the 400 campaigns, 1/2 requested funds for cancer care for both common and rare cancers, from which 1/3 disclosed a stage 4. A third of the sample sought funds to get treatment abroad, mostly in Germany and the US, for most part cancer therapies such as immunotherapy but also alternative therapies. A quarter of the sample sought support to alleviate financial burden associated with ill-health. Other purposes included getting private care in the UK (19%) and getting medical equipment (18%). Conclusions Our findings may put forward some gaps within the National Health Service (NHS) and social care such as issues to access therapies or equipment, lack of holistic care and inadequate welfare patient support. However, it does not explain fully the rise of crowdfunding that may also be a counterpart of patients' empowerment. For instance, patients can shift to the private sector, in the UK or abroad, when a treatment is not available within the NHS, such as high cost last-resort treatments for those with poor prognosis. We recommend policy makers to: use medical crowdfunding to inform policy,support patients to make empowered decisions,protect patients from commercial traps. Key messages Studying medical crowdfunding allows better understanding of patients’ perceived or actual unmet need for health and social care to inform policy development. This threat to equity should be addressed globally by providing patients with support to be empowered, with universal health coverage and by regulating better private facilities and health tourism.
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 | 0,012 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».