Composición del gasto de bolsillo en el sistema de salud del Paraguay
Bibliographic record
Abstract
La protección financiera de la población, con equidad, es un objetivo del sistema de salud. Sin embargo, numerosas personas enfermas incurren en gasto de bolsillo (GBS) para obtener atención, situación que es inequitativa. El objetivo de este artículo fue analizar la composición del GBS, su magnitud y distribución en la población general y pobre. Como metodología se analizó el módulo de salud de la Encuesta Permanente de Hogares del 2014. La población que incurrió en GBS fue el 75,1% de la población enferma, 75,8% para los no pobres, 73,3% para los pobres no extremos y 73,0% para los pobres extremos. El GBS promedio fue de 54,5 USD; 63,3 USD para los no pobres; 26,2 USD para los pobres no extremos y 30,4 USD para los pobres extremos. El 53% del GBS fue por pagos por medicamentos, 22,6% debido a estudios de diagnóstico, 18,7% por hospitalizaciones y 5,7% por consultas. La proporción de GBS por compra de medicamentos fue mayor entre los pobres: 72,3% para los pobres extremos y 68,6% para los pobres no extremos. Si bien el GBS se acumuló 87% entre los no pobres la relación de los precios promedios sobre el ingreso promedio fue más elevado entre los pobres: 95,8% para los pobres extremos, 40,7% para los pobres no extremos y 21,4% para los no pobres, pero los gastos por hospitalizaciones pueden superar el ingreso total. Los resultados señalan inequidad en el financiamiento del sistema de salud paraguayo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".