Out‐of‐pocket payments by end‐stage kidney disease patients on regular hemodialysis: Cost of illness analysis, experience from Sudan
Notice bibliographique
Résumé
INTRODUCTION: In Sudan, the number of end-stage kidney disease (ESKD) patients receiving hemodialysis (HD) is growing. Patients and their families incur a high out-of-pocket expenditure (OOPE), given that HD treatment is expensive. There are limited data about OOP spending on HD in the country. This study aims to explore patients' OOP expense on direct medical and nonmedical goods and services and to which extent they can be predicted from sociodemographic characteristics, health insurance status, comorbidity, and accommodation change. METHODS: This is descriptive a cross-sectional study conducted in Ibn Sina Hospital. One hundred and thirty patients undergo regular HD were randomly selected. FINDINGS: Among the study participants (130), the median of the overall total OOP (direct medical and direct nonmedical) spending per patients per year was found to be US$ 3859.1 (interquartile range [IQR]: 2298.1-6261.1). As for the medians OOP expenditure on direct medical and nonmedical costs, they were found to be US$ 2327.6 (IQR: 1421.5-3804.8) and US$ 1096 (IQR: 715.2-2345.2), respectively. The direct medical expenditure (355,586 US$) accounted for 60% of the overall total expenses. DISCUSSION: Medications and investigations were the primary drivers of direct medical spending. Higher OOPE rates were found among those with one or more of these factors; uninsured patients, patient with comorbidity, female gender, and over 40 years aged. The multivariate analysis showed that the significant predictors of direct medical expenditure were health insurance and comorbid conditions, where as the predictors for direct nonmedical expenditure were accommodation change and gender. This study results in a better understanding of OOP spending on direct medical and nonmedical services and its associated predictors among HD patients within the context of Sudan. Further research is needed in this area.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».