Health insurance coverage and timely antenatal care attendance in sub-Saharan Africa
Notice bibliographique
Résumé
INTRODUCTION: Out-of-pocket payments for healthcare remain a significant health financing challenge in sub-Saharan Africa (SSA), preventing women from using maternal health services. There is a paucity of empirical literature on the influence of health insurance coverage on the timeliness of antenatal care (ANC) attendance in low- and middle-income countries. In this study, we examined the association between health insurance coverage and timely ANC attendance among pregnant women in SSA. METHODS: Secondary data from Demographic and Health Surveys conducted between 2015 and 2020 in sixteen (16) sub-Saharan African countries with 113,918 women aged 15-49 years were included in the analysis. The outcome variable was the timing of antenatal care (ANC). A multilevel binary logistic regression analysis was carried out to determine the association between health insurance coverage and timely ANC. RESULTS: The overall coverage of health insurance and timely antenatal attendance among pregnant women in SSA were 4.4% and 39.0% respectively. At the country level, the highest coverage of health insurance was found in Burundi (24.3%) and the lowest was in Benin (0.9%). For timely ANC attendance, the highest prevalence was in Liberia (72.4%) and the lowest was in Nigeria (24.2%). The results in the model showed that women who were covered by health insurance were more likely to have timely ANC attendance compared to those who were not covered by health insurance (aOR = 1.21, 95% CI = 1.11-1.31). CONCLUSION: Our findings show that that being covered under health insurance is associated with higher likelihood of seeking timely ANC attendance. To accelerate progress towards achievement of the Sustainable Development Goal targets by the year 2030, we recommend that governments and health insurance authorities across the sub-Saharan African countries actively implement health insurance policies as well as roll out health educational programmes that facilitate and ensure increased coverage of health insurance.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».