Utilisation of formal healthcare and associated factors: evidence from older people with functional limitations in Ghana
Notice bibliographique
Résumé
Literature suggests that ageing is associated with healthcare utilisation. Even though functional limitations among older adults have been studied, there is a lack of literature exploring the demographic profile concerning their formal healthcare utilisation in Ghana. This paper evaluates the effect of socio-demographic variables on the use of formal healthcare among older adults with functional limitations. Using a quantitative approach, a survey was conducted using questionnaires to gather data from 394 participants in the Greater Kumasi Metropolitan Area in Ghana. Logistic regression models were used to determine the drivers of the use of formal healthcare. The study revealed that 57.6% of older adults with functional limitations utilised formal healthcare. The determinants of formal healthcare utilisation among older adults were males (AOR: 1.97; CI: 1.12–3.45, p = 0.019), living with a spouse and children (AOR: 2.94; CI: 1.31–6.59, p = 0.009), perceived poor health status (AOR: 1.86; CI: 1.00–3.44, p = 0.050), active national health insurance scheme (AOR: 6.18; CI: 3.54–10.79, p = 0.000), chronic diseases (AOR: 3.29; CI: 1.70–6.40, p < 0.001), travelled 30 minutes or more to access healthcare (AOR: 2.08; CI: 1.03–4.18, p = 0.041) and waiting times of 60 minutes or more at a health facility (AOR: 4.61; CI: 2.06–10.35, p < 0.001). Our study suggests the importance of integrating gender-related and health system-specific strategies into healthcare policy decisions in Ghana. Based on these findings, we conclude that reducing waiting times and improving access to the national health insurance scheme may enhance the utilisation of formal healthcare services for older adults with functional limitations.
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 | 0,003 |
| 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 ».