Effects of a new health financing scheme on out-of-pocket health expenditure: findings from a longitudinal household study in Yangon, Myanmar
Notice bibliographique
Résumé
Since 2017, Population Services International Myanmar (PSI/Myanmar) has been running Strategic Purchasing (SP) clinics in Hlegu and Shwepyithar townships in Yangon, Myanmar. In the project, Population Services International Myanmar simulated the role of a purchaser and contracted SP clinics through a capitation payment scheme. The project aimed to reduce the health-related financial burden of poor populations in the catchment area, by having them registered under respective SP clinics for access to a package of essential health services for a minimal fixed co-payment, as a replacement for usual fee-for-service payments. Four longitudinal surveys of households registered under SP clinics were conducted in 2017, 2018 and 2019. Among 2506 registered households, 867 households sought some health care in all surveys, resulting in 3468 observations. Multivariable linear mixed-effect regression model was used to analyse the changes in out-of-pocket expenditure for health care in relation to household capacity to pay (OOPCTP). The utilization of SP clinics increased over time, and the rates were much higher in Hlegu (20.5% in baseline to 61.9% in round three) compared with those in Shwepyithar (0.2 to 7.9%). Compared with the baseline assessment, household OOPCTP decreased significantly during and after the implementation (0.76 times in round one, 0.80 in round two and 0.82 in round three; P < 0.001). Households in Shwepyithar with less utilization of SP clinics had 1.8 times higher OOPCTP compared with those in Hlegu (1.82, 95% CI 1.58, 2.09; P < 0.001). Household direct expenditures on care-seeking and family planning were up to 50% lower among those who used SP clinics. Our study highlighted that capitation-based health financing schemes could successfully lower out-of-pocket health expenditures among the poor. Optimal utilization of services was paramount in the successful implementation of such programmes. Therefore, for the effective scale-up of new health financing schemes, service utilization rates should be carefully monitored as one of the critical indicators.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».