Malnutrition and the Risk of Catastrophic Health Expenditure in Nigeria
Notice bibliographique
Résumé
BACKGROUND: Malnutrition among children not only affects their health consequences but also does it burden their households’ finance especially in developing countries. This study evaluates the household risk of catastrophic health expenditure (CHE) due to malnutrition treatments among malnourished children in Nigeria, according to zones and wealth quintiles. We simulate the CHE risk among households with malnourished children who seek treatment. METHODS: The CHE risk due to malnutrition among treated was computed based on 1) the out-of-pocket (OOP) expenditure and indirect costs associated with malnutrition treatment, and 2) household consumption expenditures. I derived the CHE risk associated with malnutrition across zones and wealth quintiles in Nigeria, using secondary data sources for healthcare utilization, OOP expenditures, and consumption expenditures. RESULTS: There was a large variation of CHE risk according to zones and wealth quintiles. Among the poorest households, those in northeast and northwest would have the highest risk of CHE, up to 59 and 47%, while those in southwest would have the lowest risk of 14%. For all zones, as the wealth increases, the CHE risk would decrease. There would be zero or very little CHE risk among the richest households in any zones. INTERPRETATION: Nutrition interventions will help malnourished children improve their health status. However, we should also be wary about the financial consequences of the treatment that households should bear.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».