Socioeconomic Inequalities in Out-of-Pocket and Catastrophic Health Expenditures in Pakistan
Notice bibliographique
Résumé
Objectives: In Pakistan, healthcare utilization is linked to out-of-pocket payments (OOP) which disproportionately affect low-income households. We investigated socioeconomic inequality in OOP and catastrophic health expenditures (CHEs), and the contribution of sociodemographic factors to these inequalities. Methods: Socioeconomic inequalities were quantified using the concentration index (CI), and the slope (SII) and relative (RII) indices of inequality using data from three rounds of Household Integrated Economic Survey (2007-08, 2011-12, and 2018-19). Decomposition analyses were conducted using the Wagstaff and Erreygers approach. Results: OOP payments increased from PKR 127 (2007-08) to PKR 250 (2018-19). CHEs in the most deprived quintile (Q1) changed from 8.3% (2007-08) to 13.7% (2018-19), and for the least deprived quintile (Q5) from 5.1% (2007-08) to 8.4% (2018-19). The OOP CI increased from 0.028 to 0.051, while the SII and RII increased from 0.89 to 1.32 and 1.18 to 1.36, respectively. Decomposition analysis showed that household size, composition, employment, and the province of residence explained much of the socioeconomic inequality in CHEs. Conclusion: Poor households experience high CHE, disproportionately impacting larger families with children and elderly members. Policymakers should implement targeted financial protection strategies to safeguard vulnerable households from the impoverishing effects of healthcare expenses.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».