Effect of maternal education on choice of location for delivery among Indian women.
Notice bibliographique
Résumé
BACKGROUND: Delivery in a healthcare facility is associated with better outcomes for both mother and child. However, in India, a large proportion of deliveries take place outside health facilities. We studied the effect of maternal education on the choice of location for delivery in the Indian population. METHODS: Data from the National Family Health Survey 3 (NFHS-3) were used. The survey included women who were selected using a multi-stage (2-stage for urban areas and 3- stage for rural areas), stratified (based on demographic or social factors) sampling technique; the primary sampling units selected were proportional to population size, and the subsequent steps used simple random sampling. Effect of maternal education on the choice of place for delivery (home, public or private facility) was investigated through a multinomial logistic regression model. The model adjusted for several factors at individual, household and community level, the survey design effect and included sampling weights. RESULTS: Of the 124 385 women aged 15-49 years included in the NFHS-3 dataset, 36 850 (29.6%) had had one or more childbirth during the past 5 years. A little more than half of all the deliveries were at home, and approximately a quarter each of the remaining deliveries were at public and private facilities, respectively. Maternal education was strongly and independently associated with the choice of location of delivery. For the choice sets of public facility versus home delivery and private facility versus home delivery, a clear dose-response relationship was apparent-higher maternal education was associated with a higher probability of delivery at a public or private health facility compared to home. CONCLUSION: Level of maternal education was a significant independent predictor of choice of location for childbirth among Indian women. Compared to cash incentives to increase facility-based delivery, improving maternal education may be a better way to achieve long term and sustained increase in facility deliveries in India.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».