Socioeconomic inequalities in health care utilization in Paraguay: Description of trends from 1999 to 2018
Notice bibliographique
Résumé
OBJECTIVE: Paraguay's health care system is characterized by segmented provision and low public spending, with limited coverage and asymmetries in terms of access and quality of care. The present study provides national estimates of income-related inequality in health care utilization and trends in the country over the past two decades. METHODS: Using data from the Paraguayan Permanent Household Survey, we estimated socioeconomic inequality in health care use during the period 1999-2018. We used poverty-to-income ratio as the socioeconomic stratifier and defined health care use as having reported a health problem and subsequent health care use in the last 90 days before interview. Inequality was summarized by rank- and level-based versions of the Concentration Index for binary outcomes. RESULTS: Inequalities affecting those with lower incomes were present in all years assessed, although the magnitude of these inequalities declined over time. Inequality as expressed by the rank-based index decreased from 0.209 (95%CI 0.164; 0.253) in 1999 to 0.032 (95%CI -0.010; 0.075) in 2018. The level-based index decreased from 0.076 (95%CI -0.029; 0.182) in 1999 to 0.024 (0.002; 0.045) in 2018. Trends in both indices were generally stable from 1999 to 2009, with a noticeable decrease in 2010. The sharpest decreases relative to the 1999 baseline were observed in the period 2010-2018, reflecting changes in health care use and income distribution. Stratification by area, sex and older people suggest similar trends within subgroups. CONCLUSIONS: Decreases in inequality coincide temporally with increments in public health expenditure, removal of user fees in public health care facilities and the expansion of conditional cash-transfer programmes. Future research should disentangle the role of each of these policies in explaining the trends described.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».