Critical review of healthcare financing and a survey of system quality perception among healthcare users in Nigeria (2010–2023)
Notice bibliographique
Résumé
Nigeria aims to enhance its healthcare quality index score of 84th out of 110 countries and its Sustainable Development Goals Index ranking of 146th out of 166. Due to increased population, disease burden, and patient awareness, healthcare demand is rising, putting pressure on funding and quality assurance. The Nigerian healthcare financing and its impacts are complex; this study gives insights into the trends. This questionnaire-based cross-sectional survey (conducted from June to August 2023) and 2010-2023 health budget analysis examined healthcare finance patterns and user attitudes (utilisation, preference and quality perceptions) in Nigeria. Data from government health budgets and a stratified random sample of 2,212 from nine states, obtained from the socioculturally diverse 237 million population, were analysed with a focus on trends, proportions, frequency distributions, and tests of association. Results show that the average rating of healthcare experiences did not vary significantly over the last decade. Healthcare system quality was rated mainly poor or very poor; structure (74.09%), services (61.66%), and cost (60.89%). While 87.36% used government healthcare facilities, 85.00% paid out-of-pocket, and 72.60% of them were dissatisfied with the value for money. Despite a preference for government facilities (71.43%), respondents cited high costs (62.75%), poor funding (85.65%), inadequate staffing (90.73%), and lack of essential medicines (88.47%) as major challenges. The budget analysis reveals an average government healthcare fund allocation of $7.12 compared with an estimated expenditure of $82.75 per person annually. Nigeria allocates only an average of 0.37% of GDP and 4.61% of the national budget to healthcare, comprising a maximum of 13.56% of total health expenditure. This study emphasises the urgent need for policy reforms and implementations to improve Nigeria's healthcare financing and service quality. Targeted interventions are essential to address systemic challenges and meet population needs while aligning with international health services and best standards.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».