MétaCan
Menu
Retour à la cohorte
Enregistrement W3114470647 · doi:10.1093/pubmed/fdaa207

Charging of overseas visitors in England and universal health coverage: a cross-sectional analysis of NHS trusts

2020· article· en· W3114470647 sur OpenAlexfundno aff
Joanna Dobbin, Adrienne Milner, Alexander Dobbin, Jessica Potter

Notice bibliographique

RevueJournal of Public Health · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilMedical Research Council Canada
Mots-clésCross-sectional studyPublic healthEnvironmental healthMedicineOptometryFamily medicineNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2017, new regulations in England introduced upfront charging for non-urgent care within the National Health Service (NHS). Individuals from outside the European Economic Area who have not paid the immigration surcharge are chargeable for NHS care at 150% of cost. METHODS: A freedom of information (FOI) request was sent to 135 acute non-specialist NHS trusts in England to create a database of overseas visitors charges. This was analysed using multiple linear regression to explore the relationship between sex, age, nationality, ethnicity, urgency and the cost of healthcare. RESULTS: Of 135 acute non-specialist trusts in England 64 replied, providing a data set of 13 484 patients. Women were found to be invoiced higher amounts than men (P = 0.002). Patients were more likely to be women (63 versus 37% men), and within this group, almost half of patients were of reproductive age, with 47.9% (3165) aged 16-40 years old. Only seven trusts supplied data on urgency, and within these trusts the urgency of treatment was significantly related to cost, with the most urgent (immediately necessary) treatment costing the most (P < 0.001). CONCLUSION: This research reflects that that migrant women, and particularly undocumented women, are disproportionately impacted by the NHS charging policies in England.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,456
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public HealthMême sujetGlobal Healthcare and Medical TourismTravaux en français237 207