Understanding Unmet Healthcare Needs in Nigeria: Implications for Universal Health Coverage
Notice bibliographique
Résumé
Background: Many individuals in low- and middle-income countries with healthcare needs do not access the necessary, often lifesaving healthcare services. Existing universal health coverage (UHC) indicators do not account for a portion of the population with unmet healthcare needs. Objective: To estimate the prevalence, wealth-related inequality, and determinants of unmet healthcare needs in Nigeria using data from the nationally-representative Nigeria Living Standards Survey, 2018-2019. Methods: We analyzed data from a cross-sectional sample of 116 320 Nigerians from 22 110 households selected using multi-stage probability sampling. The outcome variable was self-reported unmet healthcare needs. We conducted concentration index (CIX) analyzes to assess wealth-related inequalities and performed multilevel logistic regression analysis to identify the determinants of unmet healthcare needs at the individual, household, and community levels. Results: The prevalence of unmet healthcare needs was 5.2% (95% CI: 5.0-5.5), representing about 11 million Nigerians (95% CI: 10.5-11.5 million). The most common reasons were high costs (unaffordability) and the perception that the illness or injury was not serious. Wagstaff-normalized CIX for unmet healthcare needs was pro-poor: -0.09730 for the general population and -0.10878 for those with chronic illnesses. Significant determinants of unmet healthcare needs include age (AOR: 0.99, 95% CI: 0.99-1.00), chronic illness (AOR: 8.73, 95% CI: 7.99-9.55), single-person households (AOR: 1.55, 95% CI: 1.20-2.02), poorest quintile households (AOR: 1.45, 95% CI: 1.19-1.78), and mildly (AOR: 1.17, 95% CI: 1.01-1.36) or moderately food-insecure households (AOR: 1.30, 95% CI: 1.11-1.51). Conclusion: A significant proportion of Nigerians, particularly the very poor, chronically ill, those living alone, or food insecure, have unmet healthcare needs. This highlights the necessity for targeted interventions to ensure vulnerable populations can access essential healthcare services. To progress toward UHC, the Nigerian health system must address critical issues related to healthcare accessibility.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».