MétaCan
Menu
Retour à la cohorte
Enregistrement W6958135015 · doi:10.60692/64jfz-63928

Exploring the role of spending on malaria incidence in Uganda using the auto-regressive distributed lag approach

2024· article· en· W6958135015 sur OpenAlexaboutno aff

Notice bibliographique

RevueGreater South Information System · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMalaria Research and Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMalariaDistributed lagIncidence (geometry)Public healthHealth careEstimationOrdinary least squaresGovernment (linguistics)Quarter (Canadian coin)

Résumé

récupéré en direct d'OpenAlex

Abstract Background Malaria has remained a persistent global health problem. Despite multiple government and donor initiatives to eradicate malaria and its detrimental effects on Uganda's health outcomes, the incidence of malaria is worrying as it appears higher than the average of 219 cases per 1000 for sub-Saharan Africa for the period 2017–2018. This study investigated the effect of public and private healthcare spending on the incidence of malaria in Uganda. Methods Employing time series data spanning over 20 years from the first quarter of 2000 to the last quarter of 2019, the study builds a model based on the Grossman framework for analysing demand for health. The estimation technique used was the ARDL approach that takes into account reverse causality and incidental relationships. Prior to the adoption of the technique, a bounds test was performed to determine whether the variables contained in the model have a long-term relationship. Several diagnostic tests for serial correlation, functional normality, and heteroskedastic specification error were carried out to verify the ARDL model's goodness of fit. Additionally, the cumulative sum of recursive (CUSUM) and cumulative sum of squares of recursive residuals (CUSUMSQ) were used to test model stability. Results The results indicate that in the long run, an increase in public spending of one percent significantly reduces malaria incidence by 0.196 at the 10 percent level of significance. On the other hand, there is no significant evidence of private health expenditure's effect on malaria incidence. However, in the short run, public spending reduces malaria incidence by a smaller magnitude of 0.158 percent relative to the long-run. Still, private expenditure is found to exhibit no significant effect. Additional findings point to the importance of GDP per capita and urban population growth in reducing malaria incidence, whereas female unemployment, income inequality, as well as female-headed household. In the short run, however, the female-headed households and urban population growth are found to significantly reduce malaria incidence while an improvement in regulatory quality decreases malaria incidence by 0.129 percent. Conclusions There is need for further government interventions to reduce malaria incidence in the country via budget allocation, as well as the strengthening of programmes to raise household income to support private health spending, in addition to the development of strategies to promote well-planned and organized urban centres.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,268
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetMalaria Research and ControlTravaux en français237 207