Measuring the Protective Effect of Health Insurance Coverage on Out-of-Pocket Expenditures During the COVID-19 Pandemic in the Peruvian Population
Notice bibliographique
Résumé
Health insurance coverage is expected to protect individuals from out-of-pocket (OOP) expenditures, potentially preventing them from falling into poverty. However, to date, the effect of health insurance on OOP spending during the coronavirus disease 2019 (COVID-19) pandemic has not been fully explored. This study aimed to estimate differences in the proportion and the amount of OOP expenditures among Peruvians during the pre- and post-mandatory lockdown response to COVID-19 in 2020 according to the health insurance coverage status.This study utilized repeated cross-sectional data from the National Household Survey on Living and Poverty Conditions (ENAHO) from the first quarter of 2017 until the fourth quarter of 2020. The outcomes were (i) the proportion of individuals who incurred OOP expenditures and (ii) the monetary value of OOP expenditures. An interrupted time series analysis (ITS) and a quasi-experimental difference-in-difference (DID) analysis were performed to examine the outcomes among the control (individuals without health insurance) and treatment groups (individuals with health insurance) after the COVID-19 pandemic.ITS analysis showed that the proportion of individuals reporting OOP expenditures after implementation of mandatory lockdown due to COVID-19 in Peru decreased in both groups, but no difference in the slope trend was found (P=.916). The average quarterly amount of OOP spending increased in both groups, but no difference in the slope trend was found (P=.073). Lastly, the DID analysis showed that the mandatory lockdown was associated with a higher amount of OOP, but there was no evidence to indicate that the higher amount was different between the control and treatment groups.The mandatory lockdown in response to the COVID-19 was associated with a higher amount of OOP expenditures and a lower likelihood of incurring OOP expenditures. However, our findings suggest that health insurance coverage does not lower OOP expenditures or reduce the likelihood of incurring OOP expenditures.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».