CAESAREAN SECTION INCIDENTS AND COST IN WEST SUMATRA: A COMPARATIVE STUDY BETWEEN PRIVATE AND PUBLIC HOSPITALS UNDER INA CBGS SYSTEM
Notice bibliographique
Résumé
Since its first launched in 2014, many hospitals claimed to have financial loss due to inequality between hospital real tariff and BPJS payment. It is important to identify the characteristics and trends of caesarean deliveries in hospitals prior to measuring the efficiency level under INA-CBGs system. However, until now there is yet to be a descriptive study to understand this issue comprehensively. To fill this research gap, this study aimed to compare caesarean section incidents and costs between private and public hospitals in West Sumatra, Indonesia. This study is expected to describe real situation related to caesarean cases and explore the preference of patients in the province for caesarean deliveries. This study was retrospective and cross-sectional design of caesarean section in all West Sumatran hospitals under INA-CBGs system. The data used was taken from BPJS region West Sumatra-Riau-Jambi for period 2016 to 2018. During that period, almost 59 thousand caesarean section were performed, of which 64% in private hospitals and 36% in public hospitals. Within three years, caesarean cases in private hospitals were almost doubled while public hospitals showed a decreasing trend. In 2018, three quarter of caesarean costs was paid by BPJS to private hospitals while public hospitals only received a quarter of total costs.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».