Fragmentation of payment systems: an in-depth qualitative study of stakeholders’ experiences with the neonatal intensive care payment system in Iran
Notice bibliographique
Résumé
BACKGROUND: Iran's fee-for-service (FFS) payment model in neonatal intensive care units (NICUs) is contentious due to the involvement of multiple stakeholders with differing interests, leading to increased costs, fragmentation, and reduced quality of care. This study explores the experiences and challenges of stakeholders with the NICU payment system and considers alternative payment methods. METHOD: A qualitative research approach was used, involving key informant interviews with stakeholders at various levels of the health system. Data were collected between March 2022 to September 2023 using a purposive sampling method with a snowball strategy. The transcribed data were analyzed using an inductive thematic approach in MAXQDA, with themes and sub-themes emerged and assessed by two independent coders. Four trustworthiness criteria were applied to ensure the quality of the results. RESULTS: The study involved 23 participants with diverse NICU payment backgrounds, identifying issues related to service accessibility, rising costs, neonatologists' income, and service quality. Stakeholders held differing views on the best payment model: health insurance executives favored a prospective payment method, faculty members favored supported modified FFS or per diem, and neonatal specialists expressed concerns about low tariffs and delayed payments. CONCLUSION: Iran's NICU payment system is unsatisfactory and requires urgent reform. Although stakeholders disagree on the best approach, reforms must be evidence-based and collaborative, addressing structural and cultural issues within the health system. The identification of an optimal payment system is essential for supporting neonatal care, benefiting newborns, families, society, and the broader health system.
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 | 0,013 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».