On the socio-economic determinants of antenatal care utilization in Azerbaijan: evidence and policy implications for reforms
Notice bibliographique
Résumé
Azerbaijan is a country with one of the highest child mortality rates in the regions of Eastern Europe and the former Soviet Union. Drawing on the nationally representative Demographic and Health Survey, this study examines the utilization of antenatal care in Azerbaijan to identify the socio-economic determinants of the usage, and its frequency, timing and quality. Consequently, binomial logit, two ordered logit and negative binomial regression models are specified to estimate the effect of various socio-economic characteristics on the likelihood of utilization. Place of living is an important determinant of antenatal healthcare utilization in Azerbaijan. It is important in determining the likelihood of utilization, its timing and quality of care received, whereas it is not significant in the model predicting the frequency of antenatal utilization. Women's education is also significant in three models out of four. Education is important in explaining the frequency and timing of utilization as well as the quality of services received, but it is not significant in predicting the likelihood of utilization. Wealth gradient is another important determinant of antenatal care utilization in Azerbaijan inasmuch as it is significant in explaining the likelihood of prenatal care utilization and its frequency. In addition, two variables, birth order and desirability of the last child or current pregnancy, are significant only in explaining the likelihood of utilization. Therefore, we confirm the findings of previous studies, which reported that the utilization of prenatal health care is a multistage process in which decisions are sequential. Although the same set of factors may affect decision-making at all stages, the effect of these factors is different at different stages. Implications for reforms in the healthcare sector to improve antenatal care utilization in Azerbaijan are provided and discussed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».