Local level inequalities in the use of hospital-based maternal delivery in rural South Africa
Notice bibliographique
Résumé
BACKGROUND: There is global concern with geographical and socio-economic inequalities in access to and use of maternal delivery services. Little is known, however, on how local-level socio-economic inequalities are related to the uptake of needed maternal health care. We conducted a study of relative socio-economic inequalities in use of hospital-based maternal delivery services within two rural sub-districts of South Africa. METHODS: We used both population-based surveillance and facility-based clinical record data to examine differences in the relative distribution of socio-economic status (SES), using a household assets index to measure wealth, among those needing maternal delivery services and those using them in the Bushbuckridge sub-district, Mpumalanga, and Hlabisa sub-district, Kwa-Zulu Natal. We compared the SES distributions in households with a birth in the previous year with the household SES distributions of representative samples of women who had delivered in hospitals in these two sub-districts. RESULTS: In both sub-districts, women in the lowest SES quintile were significantly under-represented in the hospital user population, relative to need for delivery services (8% in user population vs 21% in population in need; p < 0.001 in each sub-district). Exit interviews provided additional evidence on potential barriers to access, in particular the affordability constraints associated with hospital delivery. CONCLUSIONS: The findings highlight the need for alternative strategies to make maternal delivery services accessible to the poorest women within overall poor communities and, in doing so, decrease socioeconomic inequalities in utilisation of maternal delivery services.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».