MétaCan
Menu
Retour à la cohorte
Enregistrement W4200551493 · doi:10.1136/bmjopen-2021-051434

Patients’ choice of healthcare providers and predictors of modern healthcare utilisation in Bangladesh: Household Income and Expenditure Survey (HIES) 2016–2017 (BBS)

2021· article· en· W4200551493 sur OpenAlexaff
Asif Imtiaz, Noor Muhammad Khan, Emran Hasan, Shanthi Johnson, Hazera Tun Nessa

Notice bibliographique

RevueBMJ Open · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHealth careMedicineHousehold incomeFamily medicineEnvironmental healthEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The number of modern healthcare providers in Bangladesh has increased and they are well equipped with modern medical instruments and infrastructures. Despite this development, patients seeking treatment from alternative healthcare providers are ongoing. Hence, this study aims to determine the underlying predictors of patients' choosing modern healthcare providers and health facilities for getting treatments. SETTING: Data from the nationally representative Household Income and Expenditure Survey 2016-2017 conducted by the Bangladesh Bureau of Statistics were used. PARTICIPANTS: 34 512 respondents sought treatment for their illnesses from different types of available healthcare providers. PRIMARY AND SECONDARY OUTCOME MEASURE: Patients' choice of healthcare providers (primary) and predictors of patients' choice of modern healthcare providers (secondary). RESULTS: The study found that 40% of the patients visit modern healthcare providers primarily on having symptoms of illness, and the remainder goes to alternative healthcare providers. Patients living in urban areas (adjusted OR (AOR)=1.11, 95% CI 1.05 to 1.17, p<0.01), and if the travel time was between 1 and 2 hours (AOR=1.11, 95% CI 1.00 to 1.22, p<0.05) compared with travel time less than 1 hour, were positively associated to utilisation of modern healthcare facilities for their first consultation. The statistical models show that the predisposing and need factors do not significantly impact patients' choice of modern healthcare providers. CONCLUSIONS: The distribution of modern healthcare providers should be even across the country to eliminate the rural-urban divide in modern healthcare utilisation. Enhancing the digital provision of modern healthcare services could reduce travel time, omit transportation costs and save waiting time for treatment by the modern healthcare providers. Policymakers can think of introducing a national health insurance programme in Bangladesh as a potential policy instrument.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,135
Tête enseignante GPT0,335
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetHealthcare Systems and ReformsTravaux en français237 207