An integrative review on individual determinants of enrolment in National Health Insurance Scheme among older adults in Ghana
Notice bibliographique
Résumé
BACKGROUND: We conducted an integrative review in an attempt to methodically and systematically understand the individual (personal factors) that influence National Health Insurance Scheme [NHIS] enrolment among older adults aged 50 years and above. The study was premised on evidence pointing to a state of little or no change in the enrolment rates [especially among older adults], which contrasts with the initial euphoria that greeted the launch of the scheme - which culminated in high enrolment rates. METHODS: The integrative literature review was conducted to synthesise the available evidence on individual determinants of NHIS among older adults. The methodological approach of the integrative literature review follows a five-stage interdependent and interconnected procedure of problem identification, literature search, data evaluation, data analysis and results presentation. Studies that met the inclusion criteria were peer-reviewed articles published in the English Language, from January 2010 to July 2020 and have Ghana as its setting or study area. The Andersen's Behavioural Model was used to categorize the predictor variables. RESULTS: Predisposing factors [gender, age, level of education and marital status], enabling factors [income] and need factors [health conditions or health attributes of older adults] were identified as individual predictors of NHIS enrolment among older adults. The findings support argument of Andersen's Behavioural Model [where predisposing, enabling and need factors are considered as individual determinants of health behaviour]. CONCLUSIONS: The findings call for policy reforms that take into account the aforementioned individual predictors of NHIS enrolment, especially among the aged.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».