THE IMPORTANCE OF PUBLIC SECTOR HEALTH FACILITY-LEVEL DATA FOR MONITORING CHANGES IN MATERNAL MORTALITY RISKS AMONG COMMUNITIES: THE CASE OF PAKISTAN
Notice bibliographique
Résumé
This paper illustrates the importance of monitoring health facility-level information to monitor changes in maternal mortality risks. The annual facility-level maternal mortality ratios (MMRs), complications to live births ratios and case fatality ratios (CFRs) were computed from data recorded during 2007 and 2009 in 31 upgraded public sector health facilities across Pakistan. The facility-level MMR declined by about 18%; both the number of Caesarean sections and the episodes of complications as a percentage of live births increased; and CFR based on Caesarean sections and episodes of complications declined by 29% and 37%, respectively. The observed increases in the proportion of women with complications among those who come to these facilities point to a reduction in the delay in reaching facilities (first and second delays; Thaddeus & Maine, 1994); the decrease in CFRs points to improvements in treating obstetric complications and a reduction in the delay in receiving treatment once at facilities (the third delay). These findings point to a decline in maternal mortality risks among communities served by these facilities. A system of woman-level data collection instituted at health facilities with comprehensive emergency obstetric care is essential to monitor changes in the effects of any reduction in the three delays and any improvement in quality of care or the effectiveness of treating pregnancy-related complications among women reaching these facilities. Such a system of information gathering at these health facilities would also help policymakers and programme mangers to measure and improve the effectiveness of safe-motherhood initiatives and to monitor progress being made toward achieving the fifth Millennium Development Goal.
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 | 0,005 | 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 | 0,001 | 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 ».