The effect of COVID-19 on public hospital revenues in Iran: An interrupted time-series analysis
Notice bibliographique
Résumé
BACKGROUND: The "Coronavirus Disease 2019" (COVID-19) pandemic has become a major challenge for all healthcare systems worldwide, and besides generating a high toll of deaths, it has caused economic losses. Hospitals have played a key role in providing services to patients and the volume of hospital activities has been refocused on COVID-19 patients. Other activities have been limited/repurposed or even suspended and hospitals have been operating with reduced capacity. With the decrease in non-COVID-19 activities, their financial system and sustainability have been threatened, with hospitals facing shortage of financial resources. The aim of this study was to investigate the effects of COVID-19 on the revenues of public hospitals in Lorestan province in western Iran, as a case study. METHOD: In this quasi-experimental study, we conducted the interrupted time series analysis to evaluate COVID-19 induced changes in monthly revenues of 18 public hospitals, from April 2018 to August 2021, in Lorestan, Iran. In doing so, public hospitals report their earnings to the University of Medical Sciences monthly; then, we collected this data through the finance office. RESULTS: Due to COVID-19, the revenues of public hospitals experienced an average monthly decrease of $172,636 thousand (P-value = 0.01232). For about 13 months, the trend of declining hospital revenues continued. However, after February 2021, a relatively stable increase could be observed, with patient admission and elective surgeries restrictions being lifted. The average monthly income of hospitals increased by $83,574 thousand. CONCLUSION: COVID-19 has reduced the revenues of public hospitals, which have faced many problems due to the high costs they have incurred. During the crisis, lack of adequate fundings can damage healthcare service delivery, and policymakers should allocate resources to prevent potential shocks.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».