The impact of substantial financial incentives on C-section rates: Evidence from Iran
Notice bibliographique
Résumé
Delivery by Cesarean section (C-section) is necessary in 10%–20% of births, but unnecessary C-sections result in elevated rates of maternal and infant morbidity and mortality and have high financial costs. For all of these reasons, excessive C-section rates have long been viewed as a serious public health problem. Iran has one of the highest rates of C-sections in the world, so reducing those rates (and the associated maternal and infant morbidity and mortality) has been an obvious public health priority. In 2014, the Iranian Ministry of Health and Medical Education created substantial financial incentives discouraging the use of C-sections in public hospitals, and it subsequently extended a modified version of these incentives to nonpublic hospitals. We examine the impact of these reforms on C-section frequency and health outcomes. C-section rates in Iranian public hospitals declined by almost 5%, with higher reductions for first-time mothers, and smaller reductions for mothers with higher-risk pregnancies (e.g., mothers with hypertension or diabetes). We contribute by using a difference-in-differences (DiD) approach to show that physician-level financial incentives explain roughly two-thirds of the decline and patient-level financial incentives explain most of the rest. We also contribute by showing these reforms resulted in improved outcomes, with fewer maternal deaths and neonatal intensive care unit admissions. Our findings indicate that economic incentives do affect C-section rates, but more aggressive strategies will be necessary to reduce C-section rates to the levels typically recommended by public health authorities (10%–20% of births).
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 ».