Effects of different payment methods on perinatal care outcomes: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Respectful maternity care in healthcare facilities during childbirth is a growing concern around the world. It is more than just an important component of care quality; it is also a human right. The aim of this study was to develop and validate a tool to assess respectful maternity care practices among healthcare providers in Nepal. METHODS: We systematically searched primary studies published until May 2023, adhering to PRISMA guidelines. Studies evaluating causal effects of payment methods on perinatal outcomes were included. Quality was assessed using the JBI-MAStARI tools. Due to heterogeneity in the studies, a meta-analysis was not feasible; findings were summarized narratively and presented in tables/ figures. RESULTS: Fifty-three studies were included, focusing on prenatal care (62%), childbirth (28%), and NICU care (10%). Pay-for-performance (P4P) methods improved institutional deliveries and reduced costs but had minimal effects on prenatal care quality. Diagnosis-Related Groups (DRGs) methods reduced cesarean rates but increased complications compared to Fee-For-Service (FFS). Bundled payments lowered cesarean rates and costs, while blended methods also reduced rates but increased postpartum hemorrhage. In NICU care, DRG methods increased the length of stay (LoS) and costs, primarily due to upcoding. CONCLUSION: The effectiveness of payment methods depends heavily on their design, implementation, and context. Poorly designed programs, despite their potential, can lead to adverse outcomes. Further research is needed to develop effective and equitable payment models that sustainably enhance maternal and neonatal health outcomes.
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 | 0,014 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,013 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».