Accessibility Difficulties, and Utilization of Healthcare Services Among Jordanian Roma with Chronic Diseases
Notice bibliographique
Résumé
Purpose: To examine factors that affect healthcare utilization among Roma population with chronic diseases in Jordan. It also explores behavior-seeking health care among them, their characteristics and ability to access healthcare. Design/Methodology/Approach: A cross-sectional descriptive survey performed, data collection done through in-person interviews using a structured questionnaire based on the Canadian Community Health Survey. Andersen’s behavioral model was implemented to examine the influences of predisposing, enabling, need, and outcome factors on healthcare utilization using binary logistic regression, and predictors for accessibility difficulties using multiple linear regression, Findings: 98.8% of the participants stated that they had difficulties in getting the care needed for diagnosis, treatment, or consultation, and 24.8% said that they didn’t utilize healthcare services last year. The number of chronic diseases and satisfaction level with the healthcare services significantly increase utilization, on the other hand; age, health insurance, resident location, number of chronic diseases and their duration as well as satisfaction with the healthcare are significantly affect accessibility difficulties to healthcare services. Practical implications: Provide mobile health units to reach remote settlements, that provide efficient healthcare services that met their health needs, and to be integrated with local health system. Societal implications: Efforts to involve Roma children in education. Establishing vocational training programs ended with employments. Establish sufficient and reasonable housing, to be side by side to the other population. Originality/value: This study is considered as the first to address the Jordanian Roma health status, utilization and accessibility to healthcare services, the end results help in suggesting different approaches to improve health and promote health equity.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».