Inefficiency Factors in Basic Health Care Supply in Côte d’Ivoire: A Comparative Econometric Analysis
Notice bibliographique
Résumé
The achievement of universal health coverage has put Primary Health Care back at the center of policy orientations, particularly by identifying factors likely to improve the organization of peripheral facilities. However, this objective depends on the econometric methods used, especially for cross-sectional data and small sample sizes. This study aims to examine the sensitivity of the most usual estimation methods (Stochastic Frontier Analysis (SFA), Data Envelopment Analysis (DEA), DEA double bootstrap, Tobit, Truncated Standard Regression) for evaluating the scores and determinants of technical inefficiency of Primary Health Care Facilities (PHCF) in Côte d’Ivoire. Estimates show average technical efficiency scores of 94.13% for the DEA versus 89.61% for the SFA and 82.24% for the DEA double bootstrap. The results also indicate a proportion of determinants of technical inefficiency, in decreasing order of importance, with the DEA double bootstrap, the SFA, truncated regression and Tobit. This technical inefficiency can be improved in policies to promote basic health care by: increasing the proportion of nurses in the medical staff, the nurse/inhabitant ratio, the adult literacy rate by region, controlling the average capacity of the PHCFs, improving their geographical accessibility and reducing the rate of extreme poverty by health region.
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 | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».