The distribution and effects of child mortality risk factors in Ethiopia: A comparison of estimates from DSS and DHS
Notice bibliographique
Résumé
Objectives: To conduct a comparative analysis of the distribution and effects of under-five mortality correlates using Demographic and Health Survey (DHS) and Demographic Surveillance System (DSS) data from Ethiopia, and to investigate the methodological bias in DHS-based childhood mortality rates due to the impossibility of including children whose mothers were deceased. Methods: Using all-cause under-5 mortality as an outcome variable, the distribution and effects of risk factors weremodeled using survival analysis. All live births in rural Ethiopia in the 5-year period before the 2005 DSS+ survey and between 01/01/2000 and 31/12/2004 in the DSS in the Butajira Rural Health Program (in the Southern Nations, Nationalities, and People's (SNNP) region of Ethiopia) were included. Results: Overall, similar estimates of hazard rate ratios were derived from both DHS and DSS data and the child mortality risk profile is similar between each data source, with multiple births and living in less populous households being significant risk factors for under-five mortality. Nevertheless, some notable differences were observed. The DSS data was more sensitive to local variations in population composition and health status, whilst the more dispersed DHS approach tended to average out local variation across the country. Excluding children whose mothers were deceased from the DSS analysis had no important effect on risk profiles or estimates of survival functions at age 5 years. DHS survival functions were somewhat lower than DSS estimates (BRHP=0.87, DHS rural Ethiopia=0.67, DHS SNNP=0.66). Conclusion: Despite differing methodologies, cross-sectional DHS and longitudinal DSS data produce estimates of the distribution and effects of under-five mortality risk factors that are broadly similar. The differing methodological characteristics of DHS and DSS mean that when combined, these two data sources have the potential to provide a comprehensive picture of national population composition and health status as well as the extent of local variation –both of which are important for health monitoring and planning.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».