Socioeconomic Inequity in the Screening and Treatment of Hypertension in Kenya: Evidence From a National Survey
Notice bibliographique
Résumé
Background: Non-communicable diseases (NCDs) account for 50% of hospitalisations and 55% of inpatient deaths in Kenya. Hypertension is one of the major NCDs in Kenya. Equitable access and utilisation of screening and treatment interventions are critical for reducing the burden of hypertension. This study assessed horizontal equity (equal treatment for equal need) in the screening and treatment for hypertension. It also decomposed socioeconomic inequalities in care use in Kenya. Methods: Cross-sectional data from the 2015 NCDs risk factors STEPwise survey, covering 4,500 adults aged 18-69 years were analysed. Socioeconomic inequality was assessed using concentration curves and concentration indices (CI), and inequity by the horizontal inequity (HI) index. A positive (negative) CI or HI value suggests a pro-rich (pro-poor) inequality or inequity. Socioeconomic inequality in screening and treatment for hypertension was decomposed into contributions of need [age, sex, and body mass index (BMI)] and non-need (wealth status, education, exposure to media, employment, and area of residence) factors using a standard decomposition method. Results: < 0.001) were significantly pro-rich. Need factors such as sex and BMI were the largest contributors to inequalities in the use of screening services. By contrast, non-need factors like the area of residence, wealth, and employment status mainly contributed to inequalities in the utilisation of treatment services. Conclusion: Among other things, the use of hypertension screening and treatment services in Kenya should be according to need to realise the Sustainable Development Goals for NCDs. Specifically, efforts to attain equity in healthcare use for hypertension services should be multi-sectoral and focused on crucial inequity drivers such as regional disparities in care use, poverty and educational attainment. Also, concerted awareness campaigns are needed to increase the uptake of screening services for hypertension.
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 | 0,003 | 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 ».