MétaCan
Menu
Retour à la cohorte
Enregistrement W1854456456

Demographic and Socioeconomic Correlates of Neonatal, Post-neonatal and Childhood Mortality in Uttar Pradesh, India: A Study Based on NFHS-2 Data

2003· article· en· W1854456456 sur OpenAlexvenueno aff
Saswata Ghosh

Notice bibliographique

RevueWorld health & population · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusInfant mortalityNeonatal mortalityMedicineDemographyUttar pradeshChild mortalityFamily healthDeveloping countryEnvironmental healthPopulationSocioeconomicsBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Though the levels of infant and child mortality in India have been declining over the years it is still considerably high among the north-central states. This paper using data of National Health and Family Survey (NFHS-2) 1998-99 tries to find out the effects of various spatial demographic and socio-economic factors on neonatal post-neonatal and childhood mortality in the large state of Uttar Pradesh in north-central India. It also tries to reexamine the hypothesis that endogenous (demographic or biological) factors are primarily responsible for neonatal mortality whereas exogenous (socio-economic) factors contribute more in the post-neonatal and childhood period. The results of multivariate analyses broadly confirm the hypothesis though maternal education and length of the preceding birth interval have profound positive effect on survival during all the period; neonatal post-neonatal and childhood. (authors)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,314
Écart entre enseignants0,295 · 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 tête enseignante, 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

Citations2
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetGlobal Maternal and Child HealthTravaux en français237 207