Progress towards the Millennium Development Goals in a community of extreme poverty: local <i>vs.</i> national disparities in Peru
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Standard indicators are being used worldwide to track progress towards achieving the Millennium Development Goals (MDGs). These are usually at country level and do not accurately reflect within-country variability of progress towards the targets. This may lead to lack of attention and under-resourcing of the most vulnerable populations. Therefore, the objective of this study was to compare selected standard MDG indicators at country level and community level in Peru. METHODS: As MDG indicators we selected: (i) moderate to severe and severe underweight in children under 5 years old; (ii) immunization against measles in 1-year olds; (iii) births attended by skilled health professionals and (iv) youth unemployment. Country-level data for Peru were obtained from United Nations published sources. Community-level data were obtained from a household survey conducted in 2005-2006 in Belén, a community of extreme poverty in the Amazon region. RESULTS: Belén indicators were consistently less favourable than country-level indicators, and indicators even differed between zones of high and low socioeconomic status within Belén itself. CONCLUSIONS: Compared to MDG indicators at the national level in Peru, the population of Belén experiences intra-country regional disparities in important health and social outcomes. Improving the coverage and quality of interventions and services in this community is essential. Other vulnerable populations in Peru should also be identified and targeted so that they can benefit from, and ultimately contribute to, progress in achieving the MDGs.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle