P-333 Health related economic burden among unorganized sector workers: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction Unorganized sector constitutes around 87% working population in India (Periodic Labor Force Survey, 2017 – 18) and 60% working population around the world (ILO Report 2018). Aim of the current study is to find the proportion of the income spent on Health among unorganized sector workers around the world. Materials and Methods A systematic search was conducted for published studies in English till December 2022. Independent two electroic searches were carried out in PubMed, EMBASE and Web of Science using key words ‘economic burden/financial burden/monetary/cost of illness/Health care cost’ AND ‘unorganized sector/informal sector/blue-collar job/agricultural laborer/construction workers/migrant workers/leather workers/artisans/beedi workers/fishermen/barbers/newspaper vendors/vegetable vendors/fruit vendors/casual laborer/mill workers.’ We have included articles reporting total income of the worker, health related cost. References of the selected articles were also traced. Meta-analysis was performed to calculate pooled estimate using random effects model. Quality of studies was assessed using Newcastle Ottawa Scale adapted for cross-sectional studies. Results We have got 321 records from all searched data bases. Of which, 16 records were included for full text review after screening abstract and removing duplicates. Finally, five records were included for meta-analysis. All the variables were first converted from the local currency to USD of that particular year and then to USD of 2022 after adjusting for inflation. Proportion of income was spent on Health was 15.9% (95% CI: 10.9 – 21.7) of the total income earned among the workers belonging to unorganized sector. Significant amount of heterogeneity (I2 = 92.34%) existed among studies. Conclusion A significant proportion of total income of unorganized sector workers is being utilized for Health. There is thus an urgent need for devising means of publicly funded healthcare services for the unorganized sector workers.
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 | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,021 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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 ».