Estimation of Out-of-Pocket Expenditure on COVID-19 Management Among Patients Treated at Home, Iraq, 2020
Notice bibliographique
Résumé
Background There is a global consensus that the socioeconomic impact of the COVID-19 crisis has had a substantial effect on health programs and health insurance, with losses of jobs and rising prices causing growing poverty. Objective This study aims to estimate the out-of-pocket expenditure spent on the management of patients with COVID-19 exclusively treated at home. Methods A cross-sectional study was conducted, and data were collected from participating patients with COVID-19 in Iraq through snowball sampling by using a questionnaire. Enrollment occurred from November 1 to December 31, 2020, and excluded individuals who were entering the hospitals. Results Among 589 participating patients with COVID-19, 328 (55.7%) were female. Female patients spent more than male patients to get cured of the illness; the mean amount of money spent by women was statistically higher than men (IQD 644,617 [US $402] and IQD 461,653 [US $307], respectively). The average total money expenditures spent was IQD 643,304 (US $428; range IQD 505,096-5,595,000 [US $336-US $3730]) among patients exclusively treated at home. The average money spent by patients with inadequate monthly income (IQD 901,424 [US $600], range IQD 220,000-5,260,000 [US $140-US $3500]) was significantly more than patients with adequate monthly income (IQD 613,252 [US $400], range IQD 48,000-5,500,000 [US $32-US $3600]). Patients with COVID-19 (25.5%) who had chronic diseases spent significantly more money (IQD 696,330 [US $460]) than those without the chronic disease (IQD 625,185 [US $416]). Conclusions Financial burdens affected the purchasing power and the economic situation on the management of patients with COVID-19 exclusively treated at home.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».