Socioeconomic inequality in neonatal mortality in countries of low and middle income: a multicountry analysis
Notice bibliographique
Résumé
BACKGROUND: Neonatal mortality rates (NMRs) in countries of low and middle income have been only slowly decreasing; coverage of essential maternal and newborn health services needs to increase, particularly for disadvantaged populations. Our aim was to produce comparable estimates of changes in socioeconomic inequalities in NMR in the past two decades across these countries. METHODS: We used data from Demographic and Health Surveys (DHS) for countries in which a survey was done in 2008 or later and one about 10 years previously. We measured absolute inequalities with the slope index of inequality and relative inequalities with the relative index of inequality. We used an asset-based wealth index and maternal education as measures of socioeconomic position and summarised inequality estimates for all included countries with random-effects meta-analysis. FINDINGS: 24 low-income and middle-income countries were eligible for inclusion. In most countries, absolute and relative wealth-related and educational inequalities in NMR decreased between survey 1 and survey 2. In five countries (Cameroon, Nigeria, Malawi, Mozambique, and Uganda), the difference in NMR between the top and bottom of the wealth distribution was reduced by more than two neonatal deaths per 1000 livebirths per year. By contrast, wealth-related inequality increased by more than 1·5 neonatal deaths per 1000 livebirths per year in Ethiopia and Cambodia. Patterns of change in absolute and relative educational inequalities in NMR were similar to those of wealth-related NMR inequalities, although the size of educational inequalities tended to be slightly larger. INTERPRETATION: Socioeconomic inequality in NMR seems to have decreased in the past two decades in most countries of low and middle income. However, a substantial survival advantage remains for babies born into wealthier households with a high educational level, which should be considered in global efforts to further reduce NMR. FUNDING: Canadian Institutes of Health Research.
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 | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».