Health services availability and readiness moderate cash transfer impacts on health insurance enrolment: evidence from the LEAP 1000 cash transfer program in Ghana
Notice bibliographique
Résumé
BACKGROUND: Expanding health insurance coverage is a priority under Sustainable Development Goal 3. To address the intersection between poverty and health and remove cost barriers, the government of Ghana established the National Health Insurance Scheme (NHIS). Government further linked NHIS with the Livelihood Empowerment Against Poverty (LEAP) 1000 cash transfer program by waiving premium fees for LEAP 1000 households. This linkage led to increased NHIS enrolment, however, large enrolment gaps remained. One potential reason for failure to enroll may relate to the poor quality of health services. METHODS: We examine whether LEAP 1000 impacts on NHIS enrolment were moderated by health facilities' service availability and readiness. RESULTS: We find that adults in areas with the highest service availability and readiness are 18 percentage points more likely to enroll in NHIS because of LEAP 1000, compared to program effects of only 9 percentage points in low service availability and readiness areas. Similar differences were seen for enrolment among children (20 v. 0 percentage points) and women of reproductive age (25 v. 10 percentage points). CONCLUSIONS: We find compelling evidence that supply-side factors relating to service readiness and availability boost positive impacts of a cash transfer program on NHIS enrolment. Our work suggests that demand-side interventions coupled with supply-side strengthening may facilitate greater population-level benefits down the line. In the quest for expanding financial protection towards accelerating the achievement of universal health coverage, policymakers in Ghana should prioritize the integration of efforts to simultaneously address demand- and supply-side factors. TRIAL REGISTRATION: This study is registered in the International Initiative for Impact Evaluation's (3ie) Registry for International Development Impact Evaluations ( RIDIE-STUDY-ID-55942496d53af ).
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».