Willingness to pay for haemodialysis among patients with chronic kidney disease in Abuja, Nigeria
Notice bibliographique
Résumé
BACKGROUND: Evidence of willingness to pay for kidney replacement therapy is scarce in low-middle-income countries, including Nigeria's Formal Sector Social Health Insurance Programme. The study, therefore, assessed the willingness to pay for haemodialysis among chronic kidney disease patients in Abuja, Nigeria. METHODS: The study adopted a cross-sectional survey design. We used the contingent valuation method to estimate the maximum stated willingness to pay (WTP) for haemodialysis among end-stage kidney disease (ESKD) patients. We obtained informed written consent from respondents before data collection. The socio-demographic characteristics and willingness to pay data were summarized using descriptive statistics. We evaluated the mean differences in respondents' WTP using Mann-Whitney and Kruskal-Wallis tests. All variables that had p < 0.25 in the bivariate analysis were included in the Generalized Linear Model (gamma with link function) to determine the predictors of the WTP for one's and another's haemodialysis. The level of significance in the final model was ρ < 0.05. RESULTS: About 88.3% and 64.8% of ESKD patients were willing to pay for personal and altruistic haemodialysis, correspondingly. The mean annual WTP for haemodialysis for one's and altruistic haemodialysis was USD25,999.06 and USD 1539.89, respectively. Private hospital patients were likelier to pay for their haemodialysis (β = 0.39, 95%CI: 0.21 to 0.57, p < 0.001). Patients attending public-private partnership hospitals were less likely to pay for altruistic haemodialysis than those attending public hospitals (β = -1.65, 95%CI: -2.51 to -0.79, p < 0.001). CONCLUSIONS: The willingness to pay for haemodialysis for themselves and others was high. The type of facility ESKD patients attended influenced their willingness to pay for haemodialysis. The findings highlight the need for policies to enhance affordable and equitable access to haemodialysis in Nigeria through pre-payment mechanisms and altruistic financing strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».