Factors associated with catastrophic health expenditure in sub-Saharan Africa: A systematic review
Notice bibliographique
Résumé
OBJECTIVE: A non-negligible proportion of sub-Saharan African (SSA) households experience catastrophic costs accessing healthcare. This study aimed to systematically review the existing evidence to identify factors associated with catastrophic health expenditure (CHE) incidence in the region. METHODS: We searched PubMed, CINAHL, Scopus, CNKI, Africa Journal Online, SciELO, PsycINFO, and Web of Science, and supplemented these with search of grey literature, pre-publication server deposits, Google Scholar®, and citation tracking of included studies. We assessed methodological quality of included studies using the Appraisal tool for Cross-Sectional Studies for quantitative studies and the Critical Appraisal Skills Programme checklist for qualitative studies; and synthesized study findings according to the guidelines of the Economic and Social Research Council. RESULTS: We identified 82 quantitative, 3 qualitative, and 4 mixed-methods studies involving 3,112,322 individuals in 650,297 households in 29 SSA countries. Overall, we identified 29 population-level and 38 disease-specific factors associated with CHE incidence in the region. Significant population-level CHE-associated factors were rural residence, poor socioeconomic status, absent health insurance, large household size, unemployed household head, advanced age (elderly), hospitalization, chronic illness, utilization of specialist healthcare, and utilization of private healthcare providers. Significant distinct disease-specific factors were disability in a household member for NCDs; severe malaria, blood transfusion, neonatal intensive care, and distant facilities for maternal and child health services; emergency surgery for surgery/trauma patients; and low CD4-count, HIV and TB co-infection, and extra-pulmonary TB for HIV/TB patients. CONCLUSIONS: Multiple household and health system level factors need to be addressed to improve financial risk protection and healthcare access and utilization in SSA. PROTOCOL REGISTRATION: PROSPERO CRD42021274830.
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 | 0,007 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».