Healthcare seeking for chronic illness among adult slum dwellers in Bangladesh: A descriptive cross-sectional study in two urban settings
Notice bibliographique
Résumé
Introduction Accompanying rapid urbanization in Bangladesh are inequities in health and healthcare which are most visibly manifested in slums or low-income settlements. This study examines socioeconomic, demographic and geographic patterns of self-reported chronic illness and healthcare seeking among adult slum dwellers in Bangladesh. Understanding these patterns is critical in designing more equitable urban health systems and in enabling the country's goal of Universal Health Coverage by 2030. Methods This descriptive cross-sectional study compares survey data from slum settlements located in two urban sites in Bangladesh, Tongi and Sylhet. Reported chronic illness symptoms and associated healthcare-seeking strategies are compared, and the catastrophic impact of household healthcare expenditures are assessed. Results Significant differences in healthcare-seeking for chronic illness were apparent both within and between slum settlements related to sex, wealth score (PPI), and location. Women were more likely to use private clinics than men. Compared to poorer residents, those from wealthier households sought care to a greater extent in private clinics, while poorer households relied more on drug shops and public hospitals. Chronic symptoms also differed. A greater prevalence of musculoskeletal, respiratory, digestive and neurological symptoms was reported among those with lower PPIs. In both slum sites, reliance on the private healthcare market was widespread, but greater in industrialized Tongi. Tongi also experienced a higher probability of catastrophic expenditure than Sylhet. Conclusions Study results point to the value of understanding context-specific health-seeking patterns for chronic illness when designing delivery strategies to address the growing burden of NCDs in slum environments. Slums are complex social and geographic entities and cannot be generalized. Priority attention should be focused on developing chronic care services that meet the needs of the working poor in terms of proximity, opening hours, quality, and cost.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».